典型文献
跨座式单轨车载空调系统故障时间序列预测方法研究
文献摘要：
空调系统作为城市轨道交通的重要组成部分,直接影响到乘客乘坐的舒适性.对空调系统故障数时间序列的进行预测,有助于合理制定维修策略和零件采购方案,从而控制成本.针对空调系统故障数时间序列的预测问题,在分析故障数的周期性波动规律及变化趋势的基础上,结合Census X12季节调整方法,构建季节性自回归积分滑动平均模型(X12-ARIMA模型),并基于残差序列建立BP神经网络模型,将两个模型预测值相加得到改进的X12-ARIMA-BP模型的预测值,并与X12-ARIMA模型、BP神经网络模型、ARIMA-BP变权组合模型的预测值进行对比.以重庆轨道交通3号线为例,基于7年的空调系统月故障数据分别利用4种模型进行故障数拟合并预测.研究结果表明:相比实际值,改进的X12-ARIMA-BP模型的预测结果的平均绝对百分比误差为18.54％,比X12-ARIMA模型降低了6.38％,比BP神经网络模型降低了11.01％,比ARIMA-BP变权组合模型降低了4.75％;对比其它3种预测模型,改进的X12-ARIMA-BP模型预测效果最好.
文献关键词：
轨道工程;跨座式单轨;空调系统;故障数据;时间序列分析模型;故障预测
中图分类号：
作者姓名：
杜子学;蒋大卫;吴晶
作者机构：
重庆交通大学轨道交通研究院,重庆400074;重庆交通大学交通运输学院,重庆400074;重庆市轨道交通(集团)有限公司,重庆400042
文献出处：
引用格式：
[1]杜子学;蒋大卫;吴晶-.跨座式单轨车载空调系统故障时间序列预测方法研究)[J].重庆交通大学学报（自然科学版）,2022(03):130-135,142
A类：
B类：
跨座式单轨,车载空调,空调系统,系统故障,故障时间,时间序列预测,城市轨道交通,乘客,乘坐,舒适性,维修策略,零件,控制成本,周期性波动,波动规律,Census,X12,季节调整,调整方法,自回归积分滑动平均模型,ARIMA,残差序列,相加,加得,变权组合,组合模型,故障数据,平均绝对百分比误差,轨道工程,时间序列分析模型,故障预测
AB值：
0.307452
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
