客货共线无砟轨道平顺状态预测模型

客货共线无砟轨道的轨道质量指数(TQI)具有随时间长期缓慢变化并伴随平稳波动的特点,而现有的预测模型难以预测这种变化。基于小波和时间序列分析预测方法,提出ARMA-BP神经网络和ARMA-SVR预测模型。通过小波分析将TQI时间序列分解为高频和低频2个部分,采用ARMA模型对高频部分建模,分别采用BP神经网络和支持向量回归SVR模型对低频部分建模,最后对高频和低频进行综合预测。此方法可根据具体情况对具有不同特性的TQI时间序列进行针对性建模,提高预测精度。运用此方法对包西线和太中线10个无砟轨道区段TQI时间序列进行预测,结果表明:ARMA-BP神经网络与ARMA-SVR的建模精度平均值分别为98.1%和98.5%,后验差分别为0.31和0.21,均达到1级;前者对已知数据的拟合精度高,而后者对未知数据预测能力较强、泛化能力更突出。     

基于GRA-PCA-GA-BP网络模型的铁路货运量预测分析

科学预测铁路货运量能够为我国铁路政策的制定、铁路货运相关规划的出台提供决策支持,对促进我国铁路货运向现代物流转型具有重要意义。为保证铁路货运量预测精度,在数据样本较少且数据波动较大时,提出基于GRA-PCA-GA-BP网络模型进行铁路货运量预测的方法。利用灰色关联分析和主成分分析对影响铁路货运量的输入指标进行预处理,再利用遗传算法优化取得BP神经网络的权值和阈值,进而求得更为准确的铁路货运量预测值。通过实例分析验证,GRA-PCA-GA-BP网络模型有效、可靠,具有较高的预测精度。     

基于时间序列的编组站中时排异重塑预测方法

针对现行铁路编组站车辆中时预测方法不能满足实际运输组织需求,提出一种基于时间序列的中时预测方法。根据编组站数据特点,建立中时序列,利用聚类分析方法检测显隐性异常,设计中时下界异常判定条件排除正常中时值,采用邻域插值方法对异常数据重塑,结合ARMA过程分析重塑中时序列并建模,对模型进行参数估计和启发式算法定阶,最终预测编组站短期中时。研究结果表明:该预测方法能够准确发现异常数据,序列重塑后效果较好,预测结果与实际生产情况符合度较高,可以很好地应用在对编组站中时的预测中,有利于编组站合理预测和分析运输生产活动,提高运输组织管理水平。     

基于最大Lyapunov指数的铁路货物运量预测研究

根据混沌理论具有分析非线性动态系统混沌特性的特点,对货物发送量相关时间序列进行了分析和研究。本文在Takens相空间重构的基础上,利用C-C方法求嵌入时延与嵌入窗、G-P方法求嵌入维数;应用小数据量法计算铁路货物发送量相关时间序列的最大Lyapunov指数,并进行混沌特性分析,结果显示:货物发送增长量和增长率符合混沌特性,货物发送量不符合混沌特性;利用基于最大Lyapunov指数方法和BP神经网络方法对1999年1月到2013年4月共172个月的铁路货物发送增长量和增长率进行预测,预测结果表明基于最大Lyapunov指数预测值能够较好地与实际值相吻合,其预测的准确度明显好于BP神经网络预测值,因而混沌理论中的最大Lyapunov指数预测在货物发送量相关时间序列预测中有广泛的实用价值。     

基于监督学习的轨道车辆车轴裂纹扩展预测方法研究

传统裂纹扩展分析需要精确的数学模型以及校准参数,但现实中的复杂形状裂纹扩展过程难以进行精准建模,而通过有限元软件对裂纹扩展过程进行分析需大量的运算时间。因此,文章提出了基于监督学习的轨道车辆车轴裂纹扩展方法,该方法无需进行数学建模,可通过结构健康监测数据以及初始裂纹数据直接预测裂纹的扩展趋势。经验证,该方法预测准确率较高,能够较好地拟合裂纹扩展趋势。     

基于GA-GM(1,N,α)幂模型的铁路客运量预测

针对在铁路客运量预测领域传统的灰色预测模型不能反映真实系统的非线性结构特点及其背景值的赋值不合理的问题,提出使用对系统相关因素引入幂指数且经过背景值优化的GM(1,N,)幂模型进行客运量预测。背景值优化时设置待定参数,利用线性组合结构重新计算背景值。对此模型产生的较多的待定参数,采用能够并行运算、全局寻优的遗传算法进行一次性求解。最后使用此模型对甘肃省铁路客运量进行建模预测,并与传统GM(1,N)模型、GM(1,N)幂模型进行对比分析。结果证明,GM(1,N,)幂模型具有更高的预测精度,对铁路客运量预测有一定的应用和研究价值。     

基于Grubbs-ARMA模型的钢轨胶接绝缘接头变化预测研究

为了提高钢轨胶接绝缘接头绝缘缝预测的精度,提出基于自回归移动平均(ARMA)模型的Grubbs-ARMA预测模型。该模型在ARMA模型基础上增加改进的预处理算法,保留原始数据的每一次波动规律,具体包括使用格拉布斯准则法对每个目标时刻附近的监测数据集合识别可疑值、剔除异常值和求均值,然后对得到的序列做平稳性分析,根据分析结果确定模型阶数,建立模型,利用京沈高铁沈阳段的闭塞区段某监测点采集的20组数据,分别构造Grubbs-ARMA模型和ARMA模型,根据前15组数据预测后5组数据。结果显示:Grubbs-ARMA预测模型的残差不仅均低于0. 15,且均低于ARMA预测模型的残差对应组别的残差。证实Grubbs-ARMA预测模型不仅适用于钢轨绝缘缝预测,且比ARMA预测模型有更高的预测精度。     

基于线性参照模型的铁路空间数据建模方法研究

针对铁路空间数据的线性分布特征和铁路部门的管理模式,提出基于线性参照模型的铁路空间数据建模方法,探讨路网、沿线地物要素、运营情况等在该模型下的表示方法,并利用ArcGIS软件对铁路空间数据进行建模试验,将铁路部门空间数据、属性数据和业务数据纳入线性参照模型管理体系。研究表明,该建模方法具有针对性和通用性,适用于整个铁路系统,在空间数据存储、动态数据管理、可视化分析及数据共享等方面具有优势。     

重载铁路轨道高低不平顺预测研究

轨道不平顺严重威胁铁路行车安全和设备的使用寿命。研究轨道高低不平顺的变化特点和劣化规律对重载铁路轨道维修管理有重要指导作用。基于灰色区间预测建模理论,研究重载铁路轨道高低不平顺变化特点和劣化规律,预测轨道高低不平顺未来的发展情况。为验证预测模型的有效性,采用神朔铁路上行10个高低超限病害高发单元区段的共17个月的历史轨道高低不平顺检测数据进行验证。结果表明:该模型拟合和预测效果良好,对神朔铁路轨道的养护维修管理有着重要意义。     

铁路数据网MPLS DiffServ模型的应用分析

MPLS差分服务(MPLS DiffServ)模型有3种工作模式,分别是Uniform、Pipe和Short Pipe。目前铁路数据网MPLS DiffServ模型采用的是Uniform模式。通过图例说明3种模式下数据报文在纯IP流量网络和MPLS流量网络中QoS优先级的映射过程,通过配置案例分析Uniform模式和Pipe模式在铁路数据网上的应用,以及数据在PE(网络侧边缘设备)上内部优先级PHB行为与IPDSCP和MPLS标签EXP值的映射,对比得出Pipe模式在铁路数据网中配置简单,易于维护。同时通过端口镜像技术来抓取数据包,验证数据的准确性。     

基于双层次正交神经网络模型的铁路客运量预测

针对传统BP神经网络模型存在的计算效率和泛化能力低的问题,采用双层次特征分析方法对铁路旅客发送量统计数据的时间特征进行分析,提取出日趋势特征、月趋势特征、日周期性特征、月周期性特征、春运-暑运特征和黄金周-小长假特征作为模型的输入变量,建立双层次的BP神经网络模型,然后根据Gram-Schmidt正交化定理对双层次BP神经网络模型进行改进,在隐含层的输出采用Gram-Schmidt变换增加投影层,从而得到双层次正交神经网络模型。该模型包括2个相对独立的网络模型,1个用于处理客运量日数据,另1个用于处理月数据,2个网络模型的输出经过合成,最终得到客运量的预测结果。模型的应用证明,在铁路客运量预测中双层次正交神经网络模型比传统的BP神经网络模型更为有效。     

基于灰色Verhulst模型的铁路货运量预测研究

针对铁路货运量数据序列特征,将灰色Verhulst模型的建模方法引入铁路货运量的预测,并进行建模计算及预测值精度检验。     

基于灰色DGM(2,1)模型的四川省铁路货运量预测

基于四川省铁路货运量的数据特征,引入灰色系统理论,建立四川省铁路货运量DGM(2,1)预测模型,并对其预测值进行精度检验,得出该模型精度为一级,模型精度高、可用于货运量的预测的结论。在此基础上对四川省2010-2015年的铁路货运量进行了预测,结果呈现单调的递增趋势,发展态势良好。     

铁路数据通信网智能流量分析系统研究

网络安全威胁的破坏力和传播能力与日俱增,仅依靠传统的防范措施已无法满足铁路数据通信网的安全需求,精确检测分析和预警成为安全防护的关键.针对铁路数据通信网运用智能流量分析技术,可以对数据网流量流向进行深度检测.研究了智能流量分析系统及其应用方案,从链路及业务两个层次监测网络,及时发现异常流量,保障网络运行安全,为铁路数据...     

基于大数据的铁路时间同步网异常流量检测系统的研究

为快速准确地识别铁路时间同步网所受到的恶意攻击,设计一种基于大数据的铁路时间同步网异常流量检测系统。该系统首先采用无监督学习算法K-Means对部分数据进行训练,形成最优聚类模型,并通过该模型实现对异常流量的检测。将已标记的时间同步网数据输入系统,测试系统对异常流量的检测准确率及速度是否满足铁路时间同步网的要求。对系统识别出的异常流量特征进行分析,找出相关性较高的典型特征类型,并结合铁路时间同步网结构,针对该类型特征提出初步的攻击防御建议。研究结果表明:基于大数据的异常流量检测系统聚类时间70.434 682 s及准确率98.36%均满足大数据网络环境下铁路时间同步网的要求;基于时间和主机的网络流量统计特征可以为提升铁路时间同步网的安全性提供参考。     

时空序列模型在铁路构筑物沉降预测中的应用

为充分利用铁路构筑物沉降数据表现出来的空间趋势性与相关性,提高预测结果的整体稳健性和准确性,提出一种新的思路:先对构筑物沉降数据序列进行分析,若其表现出较强的空间相关性,则可采用时空序列模型对构筑物沉降数据序列进行建模预测。以江苏省境内某铁路一处3孔箱形桥为例进行验证,该箱形桥上布设有6个沉降监测点,通过分析,监测点沉降数据序列的相关性系数高达0.99,说明该箱形桥的沉降表现出很强的空间趋势性和相关性,故采用时空序列模型对该箱形桥的6个沉降监测点进行建模和沉降预测,并将预测结果与实际监测值进行对比。对比结果表明,时空序列模型预测结果的4种误差指标均小于一般时间序列模型,证明该方法的预测结果更具稳健性和准确性。     

基于BIM技术的铁路围墙/栅栏设计方法

提出一种铁路围墙/栅栏的BIM设计方法,并利用C++语言基于CAA架构对CATIA进行二次开发,以提高建模效率。根据建模手段的不同,该方法将围墙/栅栏划分为标准长度构件和非标准长度构件2类,并分别进行建模。首先确定围墙/栅栏设置的边界并计算边界拐点,然后对边界进行分段处理,分别计算出标准长度构件和非标准长度构件的位置,最后进行模型的实例化或装配操作,完成模型创建。利用该方法创建的铁路围墙/栅栏BIM模型精度高、速度快,已在多个BIM项目中应用验证,效果良好。     

基于DXF接口文件的铁路枢纽网络数字化模型构建

铁路枢纽内线路和车站数量较多、结构复杂,建模繁琐.为构建铁路枢纽网络数字化模型,基于AutoCAD枢纽图文档中既有的线路、车站等实体的特征数据,利用VS2013建模,从DXF格式的数据文件中读取铁路枢纽网络实体的关键数据,建立实体数据间的业务关系,生成网络数字化模型,为研究、优化铁路枢纽网络提供数据支撑.该方法可降低建...     

铁路数据通信网智慧运维平台研究

为了解决铁路数据通信网运维过程中缺乏IP地址的自动化准入和管理手段、CE交换机故障自动识别手段,以及对数据网设备、业务流量、IP地址的统一监测手段等问题,提出以综合运维、全网可视化、运维模型、IP画像等4种智能运维方法,实现更智能、更全面、更安全的智能运维管理平台。通过IP地址级的流量监测及分析、安全准入,及基于大数据的业务模型分析,实现数据通信网的集中管控和智能运维,以及异常流量、网络风暴、非法接入等监测功能。     

基于BIM技术的桥梁下部结构参数化建模与协同设计应用

为解决铁路桥梁下部结构建模过程中，参数化程度低、各专业协同数据传递不畅等问题，对铁路桥梁下部结构参数化建模与协同设计应用进行研究。本文为铁路桥梁应用较为广泛的桥墩、基础类型提供了参数化建模方法，提出下部结构协同设计功能的实现方式和流程，并从数据、建模、应用三个层面对开发工作展开论述。在数据层面，提出桥梁下部构件数据结构的定义思路，并基于Bentley平台EC框架建立参数化数据与三维模型间的联系，解决了设计信息的传递问题；在建模层面，基于平台图形接口与参数化模板技术，实现不同截面、不同类型实体的创建，提高了参数化建模功能的适用性；在应用层面，对软件界面及主要功能进行详细介绍，通过将三维参数化建模方法与协同设计数据融合，开发了基于协同接口的三维建模与下部结构计算功能，实现了协同数据的高效利用，保证了三维模型的准确性与设计数据的统一性。该参数化建模方法在通苏嘉甬铁路项目信息模型设计中进行了应用，实现了设计成果的三维可视化分析与各专业接口的快速核查。