Построение и анализ модели прогнозирования технического состояния буксовых узлов вагонов с применением интеллектуальных методов предиктивной аналитики

О. В. Дружинина^a, Э. Р. Корепанов^a, И. В. Макаренкова^a, В. В. Максимова^a, А. А. Петров<sup>b

a</sup> Федеральный исследовательский центр «Информатика и управление» Российской академии наук
^b Елецкий государственный университет им. И. А. Бунина

Аннотация: Статья посвящена изучению проблемы построения и анализа модели прогнозирования технического состояния буксовых узлов железнодорожных вагонов на основе применения методов искусственного интеллекта. Актуальность указанной проблемы связана с необходимостью создания и совершенствования наукоемких и энергоэффективных инструментов анализа данных в диагностике технического состояния элементов и систем транспортной инфраструктуры. Для прогнозирования состояния при обработке последовательных данных (временных рядов) предлагается использовать нейросетевую архитектуру LSTM (Long Short-Term Memory). Синтетические датасеты для обучения нейросети сгенерированы с помощью разработанной имитационной стохастической модели термоконтроля буксовых узлов. Выполненное компьютерное моделирование в среде PyTorch позволило провести сравнительный анализ результатов вычислительных экспериментов и оценить эффективность обучения LSTM в рамках рассматриваемой задачи. Построенная модель предиктивной аналитики может служить основой модуля прогнозирования ABITech Thermal Forecast Module программного комплекса диагностики технического состояния буксовых узлов.

Ключевые слова: анализ данных, предиктивная аналитика, компьютерное моделирование, искусственные нейронные сети LSTM, временные ряды, алгоритмы машинного обучения, оценка технического состояния, интеллектуальные транспортные системы.

Поступила в редакцию: 20.06.2025
Принята в печать: 15.10.2025

DOI: 10.14357/08696527250407