侧向多开口地铁列车和隧道温度特征参数预测

来源：中国安全科学学报杂志2026年第1期北京时间：

作者：吴振坤, 彭敏, 朱国庆, 刘璐, 秦东子

单位：1 无锡学院 应急管理学院,江苏 无锡 214105；2 中国矿业大学 安全工程学院,江苏 徐州 221116；3 中国科学技术大学 火灾科学国家重点实验室,安徽 合肥 230026

摘要：为解决现有地铁列车和隧道火灾预测方法大多依赖于物理模型和经验公式而导致预测精度不足的问题,从人工智能角度出发,基于遗传算法(GA)优化反向传神经网络(BPNN),构建GA-BPNN网络模型;利用GA对BPNN的权重和阈值进行全局寻优;训练与预测车厢与隧道顶棚温度分布,智能反演火灾温度场。结果表明:GA-BPNN 模型对车厢温度预测的平均绝对误差(MAE)为8.17,均方根误差(RMSE)为9.76,决定系数R2为0.99;隧道温度预测的MAE为3.95,RMSE为5.63,R2为0.98。通过对比发现,GA-BPNN模型在准确性和泛化能力上都优于传统BPNN模型。

关键词：侧向多开口,地铁列车,温度预测,特征参数,反向传播神经网络(BPNN),遗传算法(GA)

基金资助：国家重点研发计划项目(2023YFC3009900); 国家自然科学基金(52574289); 国家自然科学基金(52204254); 江苏省自然科学基金(BK20221124); 公共火灾防治技术四川省高等学校重点实验室开放基金(SC_KLPFPCT2024Z02)