摘要

本文针对轨道交通系统设备故障预测与维修问题，采用LSTM深度学习算法构建智能预测模型，结合福州地铁运维经验，对地铁信号系统、供电系统等关键设备运行数据进行分析。研究发现，智能预测模型使信号系统故障预测准确率提升15.3%，设备平均故障间隔时间延长21.4%。通过运营大数据平台，实现由“故障修”向“状态修”转变，维修成本降低18.7%。该成果在福州地铁1、2、4、5号线及多个城市推广应用。

关键词