基于深度学习的高速铁路工务安全指数预测技术

高速铁路工务安全指数(HRPSI)反映了高速铁路工务故障和事故的发生状况,对其进行规律验证与预测对于高速铁路工务专业进行安全评估和预测具有非常重要的现实意义。基于高速铁路10周年工务安全指数数据,构建2种深度学习的时间序列预测模型。利用皮尔森系数预测模型的有效性证明构建2种模型的有效性。其中门控循环单元(GRU)预测方法效果更好,训练集和测试集的皮尔森系数分别为0.9371和0.9221,可有效预测工务安全指数变化趋势。