基于机器学习与轨道不平顺的钢轨重伤预测

重载铁路作为铁路的发展方向之一,因其轴重高、运量大,维护有很大的难度,如果能发现轨道不平顺与钢轨伤损间的数据关系,可以辅助维护,及早发现伤损。利用包神重载铁路53 km区段30个月内101处钢轨重伤数据和相应片段的轨道不平顺数据,使用贝叶斯优化训练了支持向量机(SVM)模型和最近邻(KNN)模型。SVM模型的分类准确率达到了78.2%,对重伤的召回率达到了84.2%,KNN模型的分类准确率达到了85.1%,对重伤的召回率达到了87.1%。结果证明,轨道不平顺和钢轨重伤间存在数据层面的关联,利用轨道不平顺数据预测钢轨重伤的出现是可行的。