清华大学学报(自然科学版)

作者：黄然, 朱士友, 何梦辰, 李若愚, 葛鑫茹, 王巧, 陈娟, 卢紫嫣, 马剑

单位：1. 西南交通大学 交通运输与物流学院, 成都 610031;<br>2. 广州地铁集团有限公司, 广州 510330;<br>3. 西南交通大学 地球科学与工程学院, 成都 610031;<br>4. 香港理工大学 土木与环境工程系, 香港 999077

关键词：隧道火灾,运动列车,深度学习,温度场预测

基金：国家重点研发计划项目(2022YFC3005205);国家自然科学基金项目(72104205);四川省科技厅项目(2024YFHZ0345)

列车在区间隧道发生火灾后, 可能在怠速行驶至前方站台进行应急处置的中途丧失动力迫停。隧道内火场烟气和温度分布受运动列车影响难以预测, 给人员疏散管控带来困难, 严重威胁人员疏散安全。针对上述问题, 该文设计了75 个隧道内运动列车火灾场景, 构建数值模型, 开展模拟计算, 构建深度学习数据集, 利用长短期记忆网络、 卷积、 反卷积模块搭建隧道内运行列车火灾火场温度预测模型。研究结果表明： 在不同列车运动状态下, 该模型均可根据当前探测器数据超前30 s预测隧道侧向疏散平台温度分布, 且预测耗时仅0.08 s, 平均绝对误差为2.2 ℃, 平均绝对百分比误差为4%。该模型的泛化能力和鲁棒性较强, 当部分传感器失效时, 仍具有较好的预测效果。

来源：2025年第3期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2025年第3期