基于ARIMA模型的轨道不平顺状态预测研究.pdf

《基于ARIMA模型的轨道不平顺状态预测研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第37卷第5期武汉理工大学学报(交通科学与工程版)Vo1．37No．52013年1O月JournalofWuhanUniversityofTechnology0ct．2O13(Transportati0nScience&Engineering)基于ARIMA模型的轨道不平顺状态预测研究程茗白文飞(北京交通大学交通运输学院北京100044)摘要：轨道是列车运行的基础，轨道不平顺状态是影响行车安全的关键因素．为保障列车安全、平稳和不间断的运行，轨道必须具有高平顺性．根据轨道不平顺变化特点，文中利用ARIMA(自回整合归移动平均)模型对轨道不平顺状态进行预测，并且采集了

2、京九线下行463．8km处2008年2月第二次检测至2008年12月第一次检测的TQI历史检测数据对模型的有效性进行了检验，结果表明ARIMA模型能够对两次大修作业之间的轨道的不平顺状态进行较为准确地预测．关键词：轨道不平顺；预测；TQI；ARIMA模型中图法分类号：U216．42doi：10．3963／i．issn．2095-3844．2013．05．0320引言alL5利用随机过程理论根据印度两条铁路线上的轨道不平顺检测数据对轨道高低进行了分析，得出轨道高低可以用平稳高斯随机过程进行建模．轨道是列车运行的基础，在日常的铁路运营陈宪麦，王澜等[6利用轨检车检测产

3、生的波形数中，承受着来自列车荷载、运行速度的冲击和列车据(简称轨检车波形数据)，建立了以轨检车检测的振动等各方面的作用力，其结构的变形是无法周期为时间单位对单里程点处的各项不平顺进行避免的．轨道不平顺状态不良，将对运输生产的安预测的综合因子模型．许玉德等L7提出利用特性全性、乘客的旅行舒适度、设备的使用寿命和轨道矩阵描述轨道变形并进行预测的方法．养护费用产生重要的影响．轨道质量指数(TQI)实践证明单元区段的不平顺状态随着时间的是利用先进轨检车和计算机技术来测量、采集和变化是周期性、多阶段和非线性的，每当对轨道进处理轨道状态数据，用于统计分析方法计算单元行维修作业

4、时，轨道的不平顺状态会发生剧烈变轨道区段的统计特征值，作为评价轨道整体不平化，又开始从一个新的周期进行发展变化．本文利顺的指标，并用计算机建立轨道状态数据库，用图用AR1MA(自回整合归移动平均)模型短期预测形处理技术绘制各种轨道状态图，输出轨道区段精度较高的优势，相应地把两次维修作业之间的维修作业排序表，为编制轨道维修计划提供依据，TQI历史检测数据外推映射到未来数据，建立适指导线路养护维修作业L1]．应轨道系统的ARIMA预测模型，来完成轨道状TQ预测主要是根据轨检车检测的丁Q历态的预测任务，对轨道不平顺的发展规律进行研史数据进行统计分析，总结轨道状态的恶化规

5、律，究．预测未来时间的TQJ变化量．到目前为止，国内外已有许多研究人员对铁路轨道不平顺状态的评1ARIMA预测模型价和预测进行了大量的研究．AKawaguchi_2提出的轨道状态预测S式、线性退化模型和非线性1．1ARIMA模型简介退化模型等，James[。]利用分形理论根据轨检车时间序列模型是不考虑其他解释变量的作波形数据评价轨道状态的方法．Iyengar和Jaisw一用，仅依据变量自身的变化规律，利用外推机制描收稿日期：2013—08—21程茗(1989一)：女，硕士生，主要研究领域为智能交通武汉理工大学学报(交通科学与工程版)2013年第37卷述时间序列的变

6、化，包括确定型时间序列模型和性进行识别．随机型时间序列模型．确定型时间序列模型包括2)ARIMA模型识别对于一个随机时间一些简单外推方法．随机型时间序列模型与简单序列，如果序列是非平稳的，并存在一定的增长或外推的不同是，预测的时间序列由随机过程产生下降趋势，则需要对数据进行差分处理，如果数据的，一般分为白回归过程、滑动平均过程、自回归存在异方差，则需对数据进行技术处理，直到处理滑动平均混合过程和非平稳求和自回归滑动平均后的数据的自相关函数值和偏相关函数值无显著规程4种类型]．地异于零。j．如果一个线性随机过程可表示为3)ARIMA模型估计根据时间序列模型X一X+伫

7、X2+⋯+Xp+a(1)的识别规则，建立相应的模型口．式中：(一1，⋯，)为回归参数；12为白噪声过4)模型检验时间序列模型的识别与估计程．则该过程为P阶自回归过程，记为AR(p)．过程往往是同步进行的，由于在实际识别如果一个线性随机过程可表示为ARIMA(P，d，q)模型时，滞后项阶数的选择并不X一a+01at-1+02n2+⋯+Oqa～(2)是一件容易的事，因此模型在识别与估计时还需式中：(一1，⋯，q)为回归参数；则该过程为q阶要进行检验．滑动平均过程，记为MA(q)．5)模型预测．通过检验和比较，可以使用分自回归滑动平均混合过程，是由自回归和滑析的结果对未

8、来的走势进