基于数据挖掘的高速列车车轮安全预测

为了保障高速列车安全运行,采用ARIMA数据挖掘理论,研究了高速列车运动部件车轮的直径和磨耗的变化规律和安全预测。实验结果表明,ARIMA模型适用于车轮尺寸预测,随着输入数据量的增加,预测结果越好,而列车轮径比踏面磨耗的预测精度更高;同时与Least Square Estimation的预测结果进行了比较,结果优于Least Square Estimation。这为进一步将ARIMA应用于铁道领域列车关键部件的寿命和安全预测的研究提供参考。