基于混沌理論及神經網絡的高速鐵路安全風險預測

徐文秀，萬 超

(大連交通大學 交通運輸工程學院，遼寧 大連 116028)*

0 引言

隨著我國經濟社會的快速發展，高速鐵路以其高效、舒適、快捷、環保的優勢，逐步成為我國重要的客運交通方式.因此，高速鐵路的運營安全管理問題成為社會各方關注的焦點.其中，高速鐵路安全風險預測是該問題研究的重要一環，受到普遍重視.高速鐵路安全風險預測的實質是風險評估，其在安全風險管理中起到承上啟下的關鍵作用:既是對風險識別后的量化分析，同時亦是后續風險預警及決策的依據.

由于我國高速鐵路發展起步晚，因而該方面的研究尚不完善.目前，關于鐵路安全風險預測的主要方法為模糊評價法、層次分析法、灰色預測法等，亦或是幾種方法的綜合運用［1-4］.但是，上述幾種方法在實際運用中均存有一定的缺陷:①由于這些方法在使用時是以歷史數據擬合出固定的計算模型，所以在高速鐵路系統發生變化時不具有應變性而需要重新確定，導致應用成本高;②我國高速鐵路發展時間短，因此在建立安全風險預測模型時的基礎數據樣本少，故無法保證模型的精度，難以全面預測潛在的安全問題;③在利用上述方法構建安全風險預測模型時，相關參數的確定多依賴于研究者的主觀評判，因而在實際應用時對真實情況的反應不夠準確.針對此問題，本文在對高速鐵路安全風險預測時引入了混沌理論和神經網絡，并建立了混沌神經網絡的安全風險預測模型.

混沌于1963年由美國氣象學家Lorenz首次發現并提出，隨后獲得迅速的發展，至今已廣泛應用于生物學、物理學、天文學、氣象學、經濟學等各領域［5-6］.混沌是確定的非線性系統中出現的隨機現象，而混沌學理論則是揭示此現象內在規律的研究.基于此，吳超等人通過對混沌科學與安全科學基本特征進行比較，并將混沌理論運用到安全科學領域的理論與實踐中，從而提出了安全混沌學的概念、內涵及研究方法［7］.由于高速鐵路是一個高度集成且具有確定性的復雜系統，而與其有關的安全問題是隨機產生的，因此可以視之為是一個非線性巨復雜系統，故對其有關研究可以充分借鑒混沌學的相關理論進行研究.

神經網絡是20世紀40年代興起的一種以計算機技術為依托，處理復雜非線性系統的工具.神經網絡利用硬件模擬了人類大腦中神經元的工作方式，依靠一系列內嵌的算法，使自身具有了自組織性及自適應性，并通過不斷學習獲得良好的非線性映射能力，實現對非線性系統的預測［8］.所以，神經網絡這一具體工具對高速鐵路安全風險預測具有較高的適用性，能夠獲得很好的預測結果.

因此，本文根據高速鐵路的安全問題的特點，將混沌理論與神經網絡相結合，構建混沌神經網絡模型來對高速鐵路安全風險進行預測.

1 混沌神經網絡模型構建

混沌神經網絡可以很好的模擬高速鐵路的安全問題，即可以以抽象出的高速鐵路的運營狀態指標作為輸入，在具有混沌特性且經過訓練的神經網絡中通過一系列的非線性計算，來判斷出系統是否偏離常態而處于混沌狀態，并輸出與當前狀態相應的風險等級.因此，利用混沌神經網絡對高速鐵路安全風險進行預測兼具仿真特性.

根據相關文獻［9］，可知一維混沌神經元的模型為:

式中，x為神經元在t+1時刻的出輸出值;y為神經元內部狀態函數;g為神經元的不應性函數;A為外部輸入強度;α為抑制參數;β為不應性衰減率，有β∈［0，1］;θ為神經元的閾值.若考慮在其中引入來自網絡中自身及其它神經元的反饋h，則最終的混沌神經網絡模型如下:

其中，vij是各神經元的反饋權重;wij是各外部輸入的權重;M是神經網絡中神經元的個數;N是神經網絡外部輸入量個數.為方便起見，可令

則得到式(3)的簡化形式:

另外，根據一般神經網絡的設置情況，選取參數為z的sigmoid函數作為神經網絡的連續輸出函數f:

上述得到式(2)～(5)即為最終的混沌神經網絡.該神經網絡是在反饋型神經網絡中引入了混沌動力，使其具有混沌特性，從而可以對同樣具有混沌特性的高速鐵路安全問題進行良好的模擬.

2 高速鐵路安全風險預測

確定了混沌神經網絡模型之后，在實際應用過程中還需要對該網絡進行訓練，只有經過訓練并收斂的神經網絡才能正常使用.對于高速鐵路安全風險預測來說，應該首先明確其安全問題的影響因素，在量化這些因素的基礎上來獲得神經網絡的訓練樣本.根據相關研究可知，高速鐵路安全風險主要涉及“人、機、環、管理”四個方面.但是，根據研究方法的不同，上述四個方面中的具體影響要素會有差異.根據文獻［3］、［10］，選擇總結了高速鐵路安全風險影響因素F，如圖1所示.

圖1 高速鐵路安全風險影響因素

其中，“人”因主要為路內工作人員的基本素質，通過對人員進行相關的測試，來以測試的打分分數進行評價;“機”因主要是與高鐵線路有關的基礎設的工作狀態，根據機車工電輛各單位的實測數據與技規、行規等標準的比值進行評價;“環”因是自然、社會、車內環境的狀態，以高鐵系統對其危害性的可容忍程度作為評價標準;“管理”因分為兩類，一類包括安全機構、法律、應急處理、事故總結等，需要以定性分析判斷相關因素是否完備，并以此作為評價，另一類包括作業標準、監測維護等，需要定量分析有關單位的標準作業程度水平及監測維護頻率水平，同樣通過與標準的比值來獲得評價指標.在此明確高速鐵路安全風險影響因素的基礎上，分析事故嚴重程度，參考評判標準獲得事故等級量化參數，量化等級為0，1，2，3，4，5.根據歷史數據獲得混沌神經網絡的輸入變量個數以及輸入值，據此得到該網絡的訓 練樣本，如表1所示.

表1 混沌神經網絡訓練樣本

因此，可以確定高速鐵路安全風險預測的混沌神經網絡模型的結構為17×35×1，將訓練樣本帶入網絡中進行訓練，設誤差不超過0.01，在經過2671次訓練后，該網絡即達到平衡狀態.利用表2中的數據對其進行檢驗，得到結果如圖2所示.

表2 混沌神經網絡檢測樣本

圖2 預測結果與實際值比較

從預測結果看，混沌神經網絡具有很好的預測精度，能夠準確的識別出高速鐵路的安全風險.并且該網絡可以利用自身的記憶功能，通過不斷擴充訓練樣本，進一步提升網絡的預測精度.

3 結論

高速鐵路是一個復雜的系統，故其安全問題同樣具有非線性的混沌特性.因此，在預測高速鐵路的安全風險時，可以參考混沌學原理和神經網絡的方法進行.本文利用較為成熟的混沌神經網絡，構建了高速鐵路安全風險預測模型，并且整理了高速鐵路安全風險影響因素，利用歷史數據對該預測方法進行驗證，驗證結果證明該方法能夠有效預測高速鐵路安全風險，具備實用價值.

［1］杜學東，高自友.鐵路安全管理綜合評價的一種新方法［J］.中國安全科學學報，2003，13(5):30-34.

［2］李陽，高自友.鐵路安全預警系統的研究與設計［J］.中國安全科學學報，2005，14(6):36-40.

［3］曹松.鐵路行車安全預警理論與方法研究［D］.北京:中國鐵道科學研究院，2011.

［4］馮運卿，李雪梅，李學偉，等.基于結構方程的高速鐵路安全影響因素相互關系分析［J］.北京交通大學學報:社會科學版，2013，12(4):75-83.

［5］黃志全，崔江利，劉漢東.邊坡穩定性預測的混沌神經網絡方法［J］.巖石力學與工程學報，2004，23(22):3.

［6］周直，鄭亮.基于混沌神經網絡公路工程建設風險評價研究［J］.公路工程，2008，33(1):51-58.

［7］吳超，楊冕.安全混沌學的創建及其研究［J］.中國安全科學學報，2010，20(8):3-16.

［8］張德豐.MATLAB神經網絡應用設［M］.北京:機械工業出版社，2011.

［9］王耀南，余明群，袁小芳.混沌神經網絡模型及其應用研究綜述［J］.控制與決策，2006，21(2):121-128.

［10］肖雪梅，王艷輝，張思帥，等.基于耗散結構和熵的高速鐵路事故演化機理研究［J］.中國安全科學學報，2012，22(5):99-105.