Resumen

Con el creciente número de metros, se ha prestado gran atención a la comodidad y seguridad de la tripulación y los pasajeros en las estaciones de metro. La previsión del entorno ha cobrado gran importancia para la toma de decisiones. Los resultados de los métodos tradicionales de predicción puntual son unos valores exactos en el futuro. Sin embargo, podría estar más cerca de las condiciones reales que las variables pronosticadas recibieran un rango de probabilidad con una confianza diferente en lugar de valores exactos. Este artículo propone un método de predicción probabilística del entorno de las estaciones de metro basado en una red autorregresiva de memoria a largo plazo (LSTM). Tiene un buen rendimiento para cuantificar la incertidumbre de la tendencia del entorno en una estación de metro. Se realizaron pruebas de campo de siete días para obtener los datos medidos de 7 parámetros ambientales internos en una estación de metro y 8 parámetros ambientales externos. Para garantizar el rendimiento de la predicción, se utiliza el algoritmo de bosque aleatorio para seleccionar las variables de entrada del método de predicción probabilística propuesto. Las variables de entrada seleccionadas y los valores de predicción anteriores son las variables de entrada para construir el modelo de predicción probabilística. El método propuesto permite predecir la distribución probabilística de los parámetros ambientales internos de una estación de metro. Este trabajo puede contribuir a prevenir situaciones de emergencia y regular razonablemente el sistema de control ambiental.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:parámetros ambientales internos, método de predicción probabilística, variables de entrada, estación de metro, valores exactos, memoria autorregresiva a corto plazo, métodos tradicionales de predicción puntual, pruebas de campo diurnas, sistema de control ambiental, parámetros ambientales externos
• Keywords:internal environmental parameters, probabilistic forecasting method, input variables, metro station, exact values, autoregressive long short term memory, traditional point prediction methods, day field tests, environment control system, external environment parameters