陈荟多 ,周东一,2 ,肖湘华

（1.邵阳学院机械与能源工程学院,湖南 邵阳 422000；2.邵阳学院高效动力系统智能制造湖南省重点实验室,湖南 邵阳 422000）

1 绪论

在地铁实际运营过程中，车站站厅与地铁隧道之间不断进行气体交换，其中列车停站屏蔽门开启阶段由于地铁隧道的活塞效应，大量气流会沿着地铁屏蔽门流入站厅。这些气流不仅会影响乘客的舒适度，还会加大地铁环控系统的负担。当前，国内外学者对地铁通风的研究主要集中在地铁站厅的空调系统[1-2]以及地铁隧道风井通风系统[3-4]方面。例如，刘垚等（2019）采用一维仿真的方式对地铁车站活塞风井的换气量进行了数值模拟，利用拟合的方式得到了活塞风井进出风量的变化曲线[5]；姜金言等（2016）对地铁通风空调系统进行了研究，分析了地铁通风节能措施[6]。前人研究较少涉及地铁屏蔽门系统的通风换气相关内容。

为了保证乘客的舒适度，减轻地铁环控系统耗能，本文引入了广义回归神经网络模型来对地铁屏蔽门通风量进行实时预测。

2 理论基础

2.1 GRNN理论基础

广义回归神经网络（GRNN）是径向基函数神经网络的改进之一，具有很强的非线性映射能力，常用于样本数据少的数据集预测，数据预测效果好[7-8]。因此本文采用广义回归神经网络模型对地铁屏蔽门通风量进行预测。

广义回归神经网络的核心是进行非线性回归分析。利用联合概率密度函数F（x,y）来预测输出值。在联合概率密度函数F（x,y）中，x和y为自变量，X为x的观测值，则y相对于X回归，即条件均值为：