基于非等时距加权灰色模型与神经网络的轨道不平顺预测

摘要：

对轨道不平顺的发展趋势进行有效预测,可以提高铁路线路养护的维修效率,保障行车安全。根据轨道不平顺的发展特性,提出一种基于非等时距加权灰色理论和神经网络法的组合预测方法。该方法通过构建非等时距加权灰色预测模型,将原始TQI序列的平均值作为累加序列初值,将连续累积函数的积分面积作为背景值,对累加序列进行加权处理,较好地反映了时间序列对轨道不平顺预测结果的贡献。在此基础上,引入 BP 神经网络模型对TQI预测的残差序列进行修正,较好地克服了单一模型预测精度偏低的不足。分别对沪昆线上行两段线路的轨道不平顺进行预测,结果表明该预测方法相对误差平均值分别为2.76%和2.08%,预测结果的后验差比值分别为0.121和0.151,精度等级达到1级。

关键词：轨道不平顺、神经网络、非等时距、灰色模型、加权、残差修正

分类号：U212.24+6(铁路线路工程)

资助基金：铁道部科技研究开发计划2012G009-B,2012G003-B,

在线出版日期：2014-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：81-87