К.Д. Степанов1, О.В. Дружинина2
1 Российский университет транспорта (Москва, Россия)
2 Федеральный исследовательский центр «Информатика и управление» Российской академии наук (Москва, Россия)

1 sksteps@mail.ru, 2 ovdruzh@mail.ru

Постановка проблемы. Разработка интеллектуальных систем мониторинга вибрационных воздействий от транспорта на объекты инфраструктуры требует новых подходов к анализу временных рядов, полученных с помощью натурных измерений. Актуальным направлением является прогнозирование вибрационных характеристик с использованием рекуррентных нейронных сетей, в частности, сетей LSTM (Long Short-Term Memory). Одно из преимуществ LSTM-сети заключается в преодолении проблемы затухания градиента, что позволяет ей эффективно обрабатывать длинные последовательности данных и сохранять информацию на протяжении длительного времени.

Цель. Рассмотреть подход к нейросетевой предобработке и прогнозированию вибрационных данных на основе архитектуры LSTM, а также провести анализ возможностей использования LSTM-модуля в составе программного комплекса, обеспечивающего оценку и прогноз вибрационных воздействий на объекты городской инфраструктуры.

Результаты. Охарактеризованы принципы функционирования LSTM-моделей в рамках анализа временных рядов. Рассмотрены этапы предобработки временных рядов, включая фильтрацию, нормализацию и сегментацию данных. Предложена архитектура нейросетевой модели на базе LSTM. Изучена методика машинного обучения для прогноза пиковых вибрационных значений. Описаны компоненты модуля LSTM, и выполнен анализ возможностей его интеграции в программный комплекс Vibcalc, предназначенный для моделирования и оценки вибрационных воздействий транспортных потоков на объекты городской инфраструктуры. Предложено использование систем визуализации результатов прогноза и автоматической генерации предупреждений при превышении допустимых уровней виброускорений.

Практическая значимость. Полученные результаты могут найти практическое применение при решении задач прогнозирования уровней вибрационного воздействия, задач разработки и совершенствования интеллектуальных систем мониторинга и систем поддержки принятия решений при проектировании и строительстве транспортных объектов.

Степанов К.Д., Дружинина О.В. Использование рекуррентных нейронных сетей для прогнозирования показателей вибрационной нагрузки // Нейрокомпьютеры: разработка, применение. 2025. Т. 27. № 3. С. 5–12. DOI: https://doi.org/10.18127/j19998554-202503-01

1. ГОСТ 31191.1-2004 (ИСО 2631-1:1997). Межгосударственный стандарт «Вибрация и удар. Измерение общей вибрации и оценка ее воздействия на человека». М. 2004.
2. СП 465.1325800.2019. Здания и сооружения. Защита от вибрации метрополитена. Правила проектирования. М. 2019.
3. Smagulova K., James A. A survey on LSTM memristive neural network architectures and applications // The European Physical Journal Special Topics. 2019. V. 228. DOI: 10.1140/epjst/e2019-900046-x.
4. Ghojogh B., Ghodsi A. Recurrent neural networks and long short-term memory networks: Tutorial and survey // arXiv: 2304.11461v1 [cs.LG]. 22 Apr 2023.
5. Цукерников И.Е., Смирнов В.А. Измерение и анализ вибрации, вызванной движением поездов метрополитена на близлежащие здания, и разработка мероприятий по их снижению // Ученые записки физического факультета московского университета. 2017. № 5. С. 1751416-1–1751416-6.
6. Степанов К.Д., Дружинина О.В. Разработка алгоритмического обеспечения для оценки влияния вибрационных воздействий транспортных средств на объекты городской инфраструктуры // Нелинейный мир. 2023. Т. 21. № 4. С. 46–54.
7. Степанов К.Д., Дружинина О.В., Петров А.А. Анализ моделей и разработка программного комплекса для оценки влияния вибрационных воздействий транспортных средств на объекты городской инфраструктуры // Нелинейный мир. 2024. Т. 22. № 1. С. 5–14.
8. Афанасьев В.С. К вопросу вибрационного контроля динамических параметров мостов // Сб. материалов II Междунар. науч.-практ. конф. «Наука XXI века: опыт прошлого – взгляд в будущее». Омск: СибАДИ. 2016. C. 78–82.
9. Шарова В.О. Применение LSTM-моделей в задачах моделирования и прогнозирования геометрии рельсовой колеи // Современные технологии. Системный анализ. Моделирование. 2024. № 2 (82). С. 89–97. DOI 10.26731/18139108.2024.2(82).89-97.
10. Белоусов В.В., Дружинина О.В., Корепанов Э.Р., Макаренкова И.В., Максимова В.В. Применение нейронных сетей для решения задач классификации при выявлении неисправностей транспортных систем // Нейрокомпьютеры: разработка, применение. 2022. Т. 24. № 4. С. 18–27.
11. Сивицкий Д.А. Анализ опыта и перспектив применения искусственных нейронных сетей на железнодорожном транспорте // Вестник Сибирского государственного университета путей сообщения. 2021. № 2 (57). С. 33–41.
12. Петров А.А., Степанов К.Д., Дружинина О.В. Программа для ЭВМ «Программа для моделирования пространственных взаимодействий инфраструктурных объектов в зонах повышенной вибрации» / Свидетельство о государственной регистрации программы для ЭВМ №2025611332 от 17.01.2025 г.