| 铁路基础设施位移数据预测模型研究 |
| |
| 引用本文： | 路志远,潘佩芬,白雪娇,张吉峰,张良会.铁路基础设施位移数据预测模型研究[J].铁路计算机应用,2022,31(3):12-18. |
| |
| 作者姓名： | 路志远 潘佩芬 白雪娇 张吉峰 张良会 |
| |
| 作者单位： | 1.中国铁道科学研究院集团有限公司 电子计算技术研究所，北京 100081 |
| |
| 基金项目： | 四川省科技计划重点研发项目（2020GZYZF0010）；中国铁路总公司科技研究开发计划课题（P2018G051）；京沪高速铁路股份有限公司科技研究项目（京沪科研-2020-9） |
| |
| 摘 要： | 线路安全是铁路运营的重要前提，我国铁路跨度广、行车环境复杂，当铁路基础设施稳定性产生改变时往往会严重影响行车安全。文章采用长短期记忆（LSTM,Long Short-Term Memory）模型对基于全球导航卫星系统（GNSS,Global Navigation Satellite System）的铁路基础设施监测系统的形变监测数据进行建模预测，实现对铁路基础设施灾害的早期预警，并与多种传统时间序列预测模型进行对比，结果表明，LSTM模型具有更好的性能。
|
| 关 键 词： | 铁路基础设施监测 全球导航卫星系统 时间序列分析 长短期记忆 地质灾害 |
| 收稿时间： | 2021-10-25 |
Prediction model for displacement data of railway infrastructure |
| |
| Institution: | 1.Institute of Computing Technologies, China Academy of Railway Sciences Corporation Limited, Beijing 100081, China2.Sichuan-Tibet Railway Technology Innovation Center Corporation Limited, Chengdu 610404, China |
| |
| Abstract: | Railway safety is an important prerequisite for operation. Due to the wide span and complex driving environment of China's railway, when the stability of railway infrastructure changes, it will seriously affect the driving safety. This paper used Long Short-Term Memory(LSTM)model to model and predict the deformation monitoring data of railway infrastructure monitoring system based on Global Navigation Satellite System(GNSS), Achieved early warning of railway infrastructure disasters, and compared it with various traditional time series prediction models. The experimental results show that the LSTM model has better performance. |
| |
| Keywords: | |
|
| 点击此处可从《铁路计算机应用》浏览原始摘要信息 |
| 点击此处可从《铁路计算机应用》下载免费的PDF全文 |
