融合时序索引图注意力与级联失效动力学的铁路突发扰动延误预测及强化学习调度控制框架

《Applied Sciences》:Multi-Scenario and Multi-Objective Optimal Operation of the Yujiang Reservoir System Using Particle Swarm Optimization Under Extreme Drought Conditions

【字体: 大 中 小 】 时间:2026年10月01日 来源:Applied Sciences 2.5

编辑推荐:

   摘要

  

摘要

为刻画铁路网络中突发扰动下的延误传播与调度反馈,本研究构建了一个融合时序索引图注意力(TI-GAT)、级联失效动力学和深度强化学习的风险度量与控制框架。TI-GAT 模块独立评估每个5分钟的网络状态,其中不包含时序卷积、循环单元或时序自注意力机制。其状态依赖的边权重参数化级联失效动力学(CFD)的转移过程,而时序演化则由递归更新的负载状态和延误风险状态承载。在每个决策区间,连续DDPG动作被投影到由区间占用、最小间隔、站场线路可用性与容量、区段速度授权以及径路冲突联锁定义的可行调度集上。投影后的滞留时间、速度及径路变量随后修改节点放行、区段阻抗、径路分配以及后续CFD转移过程,其更新后的负载与风险状态构成下一次策略观察。预测性能通过与留出的时序运营记录进行对比来评估,终点站时刻目标由观测到的实际与计划到达/出发偏差推导得出。容量敏感性与调度控制结果在动作条件化的TI-GAT–CFD仿真环境中生成。在120分钟的预测窗口内,模型的准确率与F1分数分别为0.864 ± 0.005和0.831 ± 0.007;在60分钟的消融实验中,平均绝对误差与漏报率分别为11.3 ± 0.9分钟和6.2 ± 0.3%。在基于仿真的调度实验中,全网延误收敛时间为82.3 ± 2.3分钟,总延误衰减率为65.8 ± 1.3%,100列列车扰动场景下的训练后推理时间为1.83 ± 0.06秒。因此,预测指标量化了模型与留出观测的一致性,而控制指标则刻画了在建模动力学与可行性约束下的闭环仿真行为。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号