Применение гибридных нейронных сетей для прогнозирования изменения технического состояния железнодорожного пути

Постановка проблемы. Область применения цифровых технологий на железнодорожном транспорте активно расширяется. При этом возрастает объем диагностической информации, собираемой измерительными устройствами и датчиками для дальнейшей передачи в различные автоматизированные системы управления железнодорожного транспорта. Для обработки больших объемов данных одним из эффективных направлений является привлечение нейросетевых моделей и инструментов, в том числе для решения задач анализа данных вагонов-путеизмерителей и для прогнозирования изменений технического состояния железнодорожного пути. Представляет интерес рассмотреть возможности применения гибридных нейронных сетей для решения задач прогнозирования на транспорте.

Цель. Развить подход к построению и анализу нейросетевых моделей для прогнозирования изменения технического состояния железнодорожного пути с учетом дальнейшей интеграции с автоматизированными системами мониторинга и диагностики верхнего строения пути.

Результаты. Рассмотрены проблемы анализа данных и нейросетевого моделирования в диагностике технического состояния железнодорожного пути. Охарактеризованы возможности применения гибридных нейросетей для оценки и прогнозирования состояния верхнего строения железнодорожного пути. Исследована модель гибридной нейронной сети, объединяющая в себе возможности рекуррентных и сверточных нейронных сетей. Предложены нейросетевые алгоритмы на основе модели с LSTM и на основе сочетания моделей CNN и LSTM. Изучена проблема подготовки данных в случае пограничных значений параметров по отступлениям от нормативов.

Практическая значимость. Результаты работы могут быть использованы при решении задач создания и совершенствования автоматизированных систем управления техническим состоянием транспортных систем, задач нейросетевого моделирования технических систем, в задачах создания инструментального обеспечения систем мониторинга элементов транспортной инфраструктуры.