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...