主成分分析与奇异值分解技术在铁路数据预处理中的应用

数据预处理是在数据建模之前对采集到的原始数据进行的一些前期处理工作，能够滤除原始数据存在的噪声干扰、降低数据维度进而提取数据的时域特征。铁路运输行业在生产过程中累积的大量数据往往包含着噪声干扰，并且经常是海量高维的，无法直接用于数据建模、分析和挖掘。主成分分析与奇异值分解作为线性代数中一种重要的矩阵分解技术，已经成为近年来常用的数据时域预处理方法，本文主要论述主成分分析与奇异值分解技术在铁路数据预处理中的应用。     

基于关键字驱动的自动化测试技术在大数据平台上的应用

随着互联网业飞速发展及“大数据”概念的提出，为提高大量B/S架构应用的测试效率，本文利用关键字驱动测试技术，设计开发了一款基于关键字测试脚本的B/S架构应用自动化测试工具——EasyWT，实现了对Web页面的控件抽取、录制、激励、验证等功能，基本实现了一个标准化的测试流程。并使用EasyWT在铁路大数据平台上进行了实践应用，结果表明，系统能够完整地完成自动化测试的全部工作；同时针对实践过程中遇到的一些问题，提出了一些改进及优化方案。     

大数据时代两款敏捷商业智能工具对比分析

大数据时代的来临使得对数据的高速捕获和实时分析变得越来越重要。相对于传统商业智能软件体量大、对业务变化响应时间长、灵活性差的缺点，敏捷商业智能软件采用轻量建模方式迅速响应需求变更，用户可以通过简单的拖拉拽实现对业务的分析和展示。本文从使用角度对比分析了两款主流敏捷性商业智能软件Tableau和Qlik Sense。     

基于灰色GM(1,1)残差修正模型的动车组故障率预测

以某分析类别动车组百万公里故障数据为基础,研究建立了基于灰色GM(1,1)残差修正模型的动车组百万公里故障率预测模型.在优化模型中背景值的基础上,对残差进行修正,用t-3,t-2,t-1时刻的残差构造输入数据,t时刻的残差作为输出数据,用支持向量回归机对残差进行拟合,采用等维信息灰色GM(1,1)模型对建模数据进行更新...     

基于GASF-CNN的高速列车转向架关键部件劣化状态识别研究

为研究高速列车转向架关键部件劣化状态的识别方法，通过统计抗蛇行减振器服役性能参数的分布特征，同时考虑阻尼和节点刚度变化组合形成5种劣化抗蛇行减振器试验工况，选取新踏面廓形和旋修后运行15万km、25万km的磨耗踏面廓形，进行了劣化状态下车辆动力学响应线路测试。基于实测数据，设计并构建基于GASF-CNN的转向架关键部件劣化状态分类辨识模型，以实测车体和构架横向加速度数据作为模型的训练集和测试集进行分类辨识模型训练，并对模型的泛化能力和识别准确度影响因素进行分析。通过优选数据构造方式、数据滤波、滑动窗口长度和数据通道数量，模型达到了较高的分类准确度，且对列车不同运行方向、不同速度级、不同运行环境等也达到了较好的泛化能力。