Author(s):
Ramos, Ana ; Correia, A. Gomes ; Calçada, Rui
Date: 2023
Persistent ID: https://hdl.handle.net/1822/89012
Origin: RepositóriUM - Universidade do Minho
Project/scholarship:
info:eu-repo/grantAgreement/FCT/6817 - DCRRNI ID/UIDB%2F04029%2F2020/PT;
info:eu-repo/grantAgreement/FCT/6817 - DCRRNI ID/UIDB%2F04708%2F2020/PT;
info:eu-repo/grantAgreement/FCT/6817 - DCRRNI ID/UIDB%2F04708%2F2020/PT;
Subject(s): Neural network; Permanent deformation; Predictive models; Railway; Redes neuronais; Deformação permanente; Modelos preditivos; Via férrea
Description
The prediction of the permanent deformation in the subgrade and its reliability is one of the main concerns of the Railway Infrastructure Managers, as it can influence the reduction of the maintenance costs of the track in service. This study proposes a novel methodology for predicting permanent deformation based on a parametric study performed using a hybrid approach that includes the short and long term performance. The conducted study allowed the construction of a robust database used in this study to forecast the permanent deformation. The database feeds the neural network model, whose performance was evaluated using different metrics: MAE, MSE, RMSE, standard deviation, and regression coefficient. The model was tested and validated based on experimental results. The obtained results demonstrate that the developed model is rapid and efficient in accurately predicting the permanent deformation induced by the passage of trains. The model has the potential to be implemented in a computational decision support system for railway track maintenance and management.
A previsão da deformação permanente na fundação e respetiva fiabilidade é uma das principais preocupações dos gestores das Infraestruturas Ferroviárias, pois pode influenciar os custos de manutenção da via em serviço. Este artigo propõe uma nova metodologia relativa à previsão da deformação permanente com base num estudo paramétrico realizado usando uma abordagem híbrida e que inclui o desempenho a curto e longo prazo. O estudo realizado permitiu a construção de uma base de dados robusta que foi utilizada neste estudo para prever a deformação permanente. A base de dados alimenta um modelo da rede neuronal, cujo desempenho foi avaliado com base em diferentes métricas: MAE, MSE, RMSE, desvio padrão e coeficiente de regressão. O modelo foi testado e validado com base em resultados experimentais. Os resultados obtidos mostram que o modelo desenvolvido é rápido e eficiente para prever com precisão a deformação permanente induzida pela passagem dos comboios. O modelo tem o potencial para ser implementado num sistema computacional de apoio de decisão para manutenção e gestão de linhas ferroviárias.
Este trabalho foi parcialmente realizado no âmbito do In2Track3, um projeto de investigação do Shift2Rail. Este trabalho foi também parcialmente financiado pela FCT/MCTES através de fundos nacionais (PIDDAC) no âmbito da Unidade de I&D Institute for Sustainability and Innovation in Structural Engineering (ISISE), sob a referência UIDB/04029/2020. Adicionalmente, contou com o apoio financeiro de Base Funding -UIDB/04708/2020 do CONSTRUCT - Instituto de I&D em Estruturas e Construções - financiado por fundos nacionais através do FCT/MCTES (PIDDAC).
