基于改进非等时距灰色模型与PSO优化的轨道不平顺预测

基于轨道动检数据开展的轨道不平顺预测研究,可用于指导以预防为主的养护维修作业。将改进非等时距灰色模型与粒子群优化(Particle Swarm Optimization,PSO)相结合来实现轨道质量指数(Track Quality Index,TQI)的高精度预测。在考虑TQI原始动检数据特征的基础上增加原始数据平滑优化、累加初始值优化和背景值优化等环节提出改进非等时距灰色模型。利用PSO算法的启发式搜索优势,以平滑优化参数、初始值优化参数、背景值优化参数为搜索目标,以预测平均相对误差为适应度函数,实现预测模型参数的自适应优化。在此基础上,基于优化参数计算得到拟合区间和外推区间上的TQI预测结果。选取沪昆线上行区段实测TQI数据对本文方法进行验证,并与既有TQI组合预测模型的预测结果进行了对比。研究结果表明,模型可有效捕捉TQI序列中的随机波动与实时演变趋势,在外推区间上的平均相对误差分别为2.04%和2.54%,预测性能优良;当TQI序列振荡特性显著时,本模型仍能保证预测结果的可靠性;与组合预测模型相比,该模型规避了残差修正、多算法融合等繁琐步骤,可通过有限优化环节提升预测精度,为轨...     

灰色GM（1，1）模型预测沉降的局限性分析

考虑现场沉降监测数据的不等时间间隔性及数据的不断更新性,建立了不等时距等维新息GM(1,1)沉降预测模型并研发了相应的预测程序RIID,将其应用于实际工程的沉降预测,验证了预测模型合理性和程序的可行性。分析了实测数据时间间隔和预测步数对GM(1,1)模型预测精度的影响。结果表明:数据时间间隔相差太大,将导致模型失真;GM(1,1)模型只能进行短期预测,若要预测未来较长时间内的沉降,必须有新增数据,这就使得该模型在实际工程中的应用受到限制。     

基于灰色GM(1,1)和灰色-马尔可夫模型的轨道几何不平顺预测及应用研究

国外轨道不平顺的研究思路和方法大多是建立在对轨道动态检测数据的不同分析手段和方法上,然而由于各国检查数据的不同使得国外模型无法直接应用于国内轨道状态预测。基于昆明铁路局的实际数据,提出了灰色预测模型和灰色-马尔可夫预测模型。通过将2种模型的预测结果与一元线性回归预测结果对比分析,证明灰色预测模型不仅适用于较长区段的TQI(轨道质量指数)预测,对于更长区段的TQI预测也有比较好的效果,同时证明灰色-马尔可夫预测模型不仅能够预测随机性较强的TQI数据,也能应用于较长时间范围内的预测。     

基于灰色理论定量预测轨道质量指数的研究

轨道质量指数是目前我国铁路应用的一种主要的均值评价方法,能够真实、准确地反映出轨道不平顺的质量状态.用大机维修期内观测到的轨道质量指数TQI值构造灰色预测模型,研究数据潜在规律,对TQI随时间的变化规律进行研究,预测某一时刻的TQI值,从而获得轨道质量随时间变化的规律,为各级工务管理部门对轨道不平顺状态进行宏观管理和质量控制提供依据,并将其用于指导编制维修计划和指导养护维修作业,使维修计划安排重点突出、针对性强、投资效益高、线路质量状态均衡.     

基于灰色理论的轨道几何状态中长期时变参数预测模型的研究

根据轨道几何不平顺的发展特性,在灰色预测理论的基础上,考虑模型参数随时间的变化,并优化背景值,建立以轨道几何不平顺检测数据为时间序列的非等时距灰色时变参数模型。为更好地描述轨道几何不平顺影响因素间复杂的函数关系,提高模型拟合和预测精度,基于残差分析引入周期性函数,对模型进行组合修正。应用此模型对轨道质量指数TQI数据进行分析预测,并对其精度进行检验。结果表明:模型能较好地反映轨道质量随时间发展的随机波动特征,拟合、预测精度高,适合进行中长期预测,可为了解和掌握轨道质量状态的发展规律提供新的方法。     

基于灰色区间预测模型的轨道不平顺状态预测

轨道不平顺状态是影响行车安全的关键因素。轨道质量指数(TQI)是反映轨道几何状态变化的重要数据,是一个随时间变化的时间序列,具有随机性。为了更好地研究轨道状态的变化趋势,利用灰色区间预测模型,对单元区段范围内随时间变化的TQI进行建模,并与传统的非等间距GM(1,1)预测模型相比较。为了说明预测模型的有效性,采用京九线K467.8~K468单元区段实际数据进行验证,结果表明灰色区间模型的预测精度更高,对铁路轨道养护维修工作起到指导作用。     

基于改进GM(1,1)与WOA-LSSVM组合预测模型的轨道不平顺预测

在保障列车行车安全的前提下对轨道不平顺的发展趋势进行预测,可以提高线路维护效率。根据轨检车的历史轨检TQI数值进行分析,提出一种基于非等时距近似非齐次的GM(1,1)模型与鲸鱼算法优化的最小二乘支持向量机的组合预测模型。对非等时距GM(1,1)模型的灰作用量进行优化,并设置加权矩阵,对不同检测时间的数据赋予不同权值,建立非等时距近似非齐次的GM(1,1)模型,得到初步预测值。在此基础上,利用鲸鱼算法优化的最小二乘支持向量机(WOA-LSSVM)对残差进行修正,得到最终预测值。分别对某线上行两段线路的轨道不平顺TQI值进行预测,结果表明:该预测方法相对误差平均值分别为2. 316%和1. 67%,后验差分别为0. 093和0. 068,精度等级达到1级,实现了轨道不平顺较高精度的预测。     

灰色模型GM（1,1）对尘肺病例预测研究

应用灰色系统一阶单变量模型[Grey Model(1,1)、下称GM(1,1)]、对全局1985～1991年每年的尘肺病例数进行拟合预测。预测值与实际值的拟合效果为一级,P>0.95、C<0.35。并对1992～1991年尘肺的发病人数进行了外推预测,结果尘肺发病人数每年以8例左右的速度在增加。因此,粉尘作业场所的劳动条件改善,尘肺病的预防与控制仍然是我局目前主要任务,必须引起我们的高度重视。     

基于灰色系统辨识的轨道质量生命周期预测方法研究

将本文作者提出的灰色非线性模型(该内容发表于《铁道学报》2010年第2期)视为由一系列趋势项发展系数和随机项系数控制的时程函数,并将其系数作为系统分析中的辨识参数,表征系统随时间发展特征属性。在已知大机捣固作业效率或初始质量条件下,认为不同维修周期内轨道质量系统发展存在"相关性",将已知维修周期内TQI时间序列挖掘出的辨识参数作为预测维修周期内TQI发展的特征参数,建立轨道质量生命周期预测模型。实例证明:所提出预测模型可较为合理地预测各维修周期内轨道质量发展,为研究轨道质量生命周期提供思路。     

利用轨道质量指数（TQI）预测轨道不平顺发展的探讨

上海铁路局地处华东地区,管内大部分线路“速、密、重”并举,要贯彻“预防为主、防治结合、养修并重”的原则,真正推行“状态修”,需要充分利用各类动态检测数据,对轨道不平顺的发展进行预测,为维修提供依据长研究探讨采用铁道部综合检测车TQI数据,利用线性预测模型对管内沪昆线淅赣段轨道不平顺的发展进行预测,为安排线路维修提供依据。     

基于新陈代谢GM(1,1)模型的客车轴温预测算法

介绍一种基于新陈代谢灰色模型的客车轴温预测算法,对现有算法进行了改进。该算法可对轴温的变化趋势进行预测,且预测精度较高,并可以有效地提高轴温报警器的报警准确度。     

基于BP神经网络修正的自适应灰色模型的隧道变形预测研究

隧道围岩具有高度的非线性变形特征,通过变形预测能有效判断隧道变形的发展趋势。首先以自适应GM(1,1)模型对隧道变形进行初步预测,且为保证自适应模型的参数为全局最优参数,提出以粒子群算法对模型参数进行优化;其次,以BP神经网络为基础,建立误差修正模型,旨在进一步提高预测精度。在此基础上,将该预测模型应用于2个工程实例中,结果表明:该预测模型在横向和纵向上的预测效果均较好,自适应能力和递推能力均较强,预测结果与实测值较为吻合,预测精度较高,能较好地反映隧道围岩的变形规律。该预测模型能较为有效地实现隧道围岩的动态预测,可以进行推广应用及研究,为隧道变形预测提供一种新的思路。     

GM(1,1)模型与指数模型在基桩沉降预测中的应用

以某大型基桩的沉降预测为例,利用灰色系统理论的GM(1,1)与Aeax曲线模型进行基桩在外荷载作用下沉降量的预测。结果表明:两种模型对于呈指数变化规律的系统能获得较好的预测结果;两种模型对基桩累计沉降的预测符合工程实际,对各级荷载作用下的本级沉降预测不够合理。对两种模型关系的研究表明,两者有内在联系,都属指数曲线预测模型,且指数曲线Aeax预测模型比GM(1,1)模型应用起来更简单,方便。     

灰色线性回归组合模型在地面沉降预测中的应用

选择合适的沉降与时间的关系模型对于沉降预测而言是很重要的。根据地面沉降机理与曲线特征，对某数据序列进行了光滑性和指教规律性检验，使用线性回归和灰色模型的组合模型对该数据序列建模和预测，所得平均相对误差和均方差比值都优于GM（1，1）。研究结果表明，具有线性特征的沉降数据序列选用灰色线性回归组合模型进行短期预测效果更好。     

基于改进的GM(1,1)的长期交通量预测模型

针对传统的GM(1,1)模型在预测高速公路交通量中存在的误差过大的问题,通过对原始数据进行滑动平均处理,减少数据在统计过程中的随机误差和人为误差。利用等维灰数递补预测模型进行交通量预测,在数据列中补充新的数据,去掉老的数据,使模型得到改进。利用改进的新模型去预测下一年的数据比用原模型更加合理,更接近实际。研究结果表明:利用等维灰数递补预测模型预测的预测精度是94.24%,比GM(1,1)残差改进模型提高了1.49%,比传统的GM(1,1)模型精度提高了6.94%。适用于交通量的长期预测。     

GM(1,1)-Logistic路基沉降组合预测模型研究与应用

路基沉降预测是指导正确施工及运营期路基养护的一个重要因素.GM(1,1)模型及Logistic模型被广泛应用于路基最终沉降量的预测.基于组合预测的基本理论,结合GM(1,1)模型及Logistic模型的特点,提出了GM(1,1)-Logistic组合路基沉降预测模型,采用线性组合预测方法,以过去一段时间内组合预测误差平方和最小为原则来求2个预测模型的加权系数.结合工程实际监测数据的计算结果和分析表明,GM(1,1)-Logistic组合预测模型在预测精度上比单个模型具有更好的适用性.