基于Bi-Mamba4TS模型轨道质量指数预测研究
李俊波1，张叶2，沈鹍1，王东妍1
（1.中国铁道科学研究院集团有限公司电子计算技术研究所，北京 100081;
2.中国铁道科学研究院研究生部，北京 100081）
摘要：轨道质量指数（Track Quality Index，TQI）的精准预测是铁路基础设施管理由“故障驱动维修”向“状态导向养护”转型的核心技术支撑。实现轨道状态高效建模与趋势预测，对于保障运营安全与优化资源配置具有里程碑意义。提出一种基于深度学习模型Bi-Mamba4TS的TQI预测方法，该方法通过集成双向动态建模机制与特征交互融合模块，在捕捉复杂时空依赖关系方面展现出显著优势。同时，模型可有效感知双向信息流，从而实现对全局演化趋势与局部非线性波动的刻画。此外，通过优化损失函数，显著增强模型对序列峰值和特征波形的拟合精度。为验证模型的空间泛化性，采用轨道单元互斥划分策略，以确保实验可验证未学习轨道单元仍具有显著的泛化与预测能力。实验基于2017至2024年某铁路线下行K720—K814共470个轨道单元的实测数据集，设置32、64和96三种序列长度，与SVM、LSTM、Autoformer等主流模型进行对比分析。实验结果表明：Bi-Mamba4TS模型在所有实验设置下的MSE、MAE、MAPE三项指标均优于对比模型，在关键的MSE指标上，分别较次优模型下降10%、5.88%、12%。研究首次将状态空间模型Mamba架构引入铁路运维领域，提出的Bi-Mamba4TS模型通过充分提取轨道状态的全局与局部演化特性，构建一个稳健且具有泛化性的TQI 时序预测架构，为普速铁路线路基础设施的养护维修决策提供技术参照。
关键词：铁路轨道；轨道维护；时序预测；轨道质量指数；Mamba模型
中图分类号: U213.2 文献标识码: A DOI: 10.13238/j.issn.1004-2954.202601050006