跨座式单轨车载空调系统故障时间序列预测方法研究

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。