降雨与铁路延误传播：模型、外测与近似阈值

Identity

#

Mauro Faccin、Tomas Scagliarini、Manlio De Domenico，Systemic collapse emergence from climate-induced perturbations in transportation networks，PNAS 2026，DOI 10.1073/pnas.2532180123。PNAS 与 Crossref 记录 online 2026-10-16、issue 2026-10-20。arXiv:2610.26428v1 首提 2026-10-19T13:54:12Z，为同研究别名，不作为第二候选或 10 月 19 日首次发表。

2026-10-21 实读 v1 HTML §2.1–2.5、3、4.1–4.3，以及 A.3–A.6 的文字/图注。未读 A.1/A.2，未视觉核图、审计代码或复现；PNAS 仅核身份/日期。主控独立复核主文 §2.1–2.5/3 与 §4.1–4.3 的关键定义和阈值条件。

Evidence

#

• §2.1 式 (1) 描述延误状态传播、降雨注入和吸收，文字规定负分量截为零。§4.1 的 $T$ 按列归一；以公式约定 $T_{ij}$ 从站点 $j$ 流向 $i$ ，不沿用个别口述方向歧义。
• §2.2 式 (2) 用沿线降雨积分、按列车流量加权构造注入；吸收来自站点最大吞吐，时间步为 1 h。意大利 2021–2023 数据用于训练/四折交叉验证，2024 留作测试。
• §2.3 在雨量超过其 144 mm/day（6 mm/h）条件的日级比较中，模型与观测的超额延误 Spearman 约 0.80、 $p<0.01$ 。超额相对站点历史中位数，不能写成全部延误预测准确率；少雨日的延误原因不在该雨驱模型的解释范围。
• §2.4 的恒定均匀雨场、固定忙时 $T$ 数值情景出现无延误、有限 endemic、无界增长三阶段；作者明确真实数据未达到无界增长条件，不据此宣布现实系统已进入崩溃。

Threshold-boundary

#

§4.3 “Disruption threshold” 的未编号推导先用 $T$ 而未保留传播系数 $\alpha$ ，再以随机矩阵保持总量写均值增量为 $\beta\langle g\rangle-\gamma\langle c\rangle$ ，没有处理逐分量正部截断。§2.4 与 Figure 4 图注明确将理论阈值称为 approximate。Table 1 拟合 $\alpha_{\rm IRN}=1.0005$（原表 CI 为 1–1.007），并非严格等于 1；已读 §4.3/A.3–A.6 未见显式声明 $\alpha=1$ 。

因此本页只将它作为作者的近似阈值/数值情景，不把该均值等式当完整模型的普遍精确结论，也不由条件遗漏判定全文普遍错误。知识解释另给有明确条件的 AI 下界与两个教学例，区分零初态与已有扰动；它们不是论文实验。

Support-and-limits

#

交通延误的结构—驱动—传播—吸收解释保留具体机制和外测口径，扩展网络结构笔记已有的“度分布不决定动力学”边界。与生态恢复只有结构类比，交通延误不等于生态状态或存储修复；不跨系统搬阈值。真实极端状态、雨场异质性和时变运行图仍需额外证据。

Implementation-followup

#

2026-10-28，主控重新读取 v1 HTML §2.1、2.4、4.1、4.3 与 arXiv history，仍仅 v1；没有全篇重读、视觉核图、审计执行函数或复现。新增知识是截断总量恒等式及两站点反例，均为 AI 推导，不能归为作者实验或新的发表。

原文 §4.3 后的代码声明链接到 CoMuNeLab/adaptsys_train-delays。主控通过 GitHub connector 实读 default main 的 README，blob SHA e79699b462b8c973039c28791b1fb1236d33e5f6。README 仍使用 Transport network response to external stressor fields 题名，列出 diffsys/main.py、models.py、code_steady_state.py 和部分意大利数据，并说明额外气候数据从 Copernicus 获取。这里只核入口与范围，没有安装、执行或读取实现函数，不能说“没有代码”，也不能由 README 推出完整可复现。下一步是核已有实现的截断、矩阵归一、参数和数据取得条件。