基于非等时距加权灰色模型与神经网络的轨道不平顺预测-论文.pdf

《基于非等时距加权灰色模型与神经网络的轨道不平顺预测-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第36卷第1期铁道学报Vol_36NO．12014年1月JOURNALOFTHECHINARAILWAYSOCIETYJanuary2014文章编号：10018361(2014)01—0081一O7基于非等时距加权灰色模型与神经网络的轨道不平顺预测韩晋，杨岳，陈峰，吴湘华(中南大学交通运输工程学院，湖南长沙41O075)摘要：对轨道不平顺的发展趋势进行有效预测，可以提高铁路线路养护的维修效率，保障行车安全。根据轨道不平顺的发展特性，提出一种基于非等时距加权灰色理论和神经网络法的组合预测方法。该方法通过构建非等时距加权灰色预测模型，将原始TQI序列的平

2、均值作为累加序列初值，将连续累积函数的积分面积作为背景值，对累加序列进行加权处理，较好地反映了时间序列对轨道不平顺预测结果的贡献。在此基础上，引入BP神经网络模型对TQI预测的残差序列进行修正，较好地克服了单一模型预测精度偏低的不足。分别对沪昆线上行两段线路的轨道不平顺进行预测，结果表明该预测方法相对误差平均值分别为2．76和2．O8，预测结果的后验差比值分别为0．121和0．151，精度等级达到l级。关键词：轨道不平顺；神经网络；非等时距；灰色模型．力口权；残差修正中图分类号：U212．24+6文献标志码：Adoi：10．3969／j．issn．1

3、001—8360．2014．01．013PredictionofTrackIrregularityBasedonNon。。equalIntervalWeightedGreyModelandNeuralNetworkHANJin，YANGYue，CHENFeng，WUXiang—hua(SchoolofTrafficandTransportati0nEngineering，CentralSouthUniversity，Changsha410075，China)Abstract：Effectivepredictionofthetrackirregular

4、itydevelopmenttrendcanimprovetheefficiencyofrailwaylinemaintenance&repairsandSOensuretrafficsafety．Accordingtotrackirregularitydevelopmentcharacter—istics，thecombinationpredictionmethodbasedonthenon—equalintervalweightedgreytheoryandneuralnet—workmethodwasproposed．Withthismetho

5、d，byconstructingthenon—equalintervalweightedgreypredictionmodel，theaverageoftheoriginalTQIsequencewasregardedasthecumulativesequenceinitialvalue，theinte—gralareaofthecontinuousaccumulationfunctionwasusedasthebackgroundvalue，thecumulativesequencewasprocessedbyweighting．Therefore

6、，thecontributionofthetimesequencetothetrackirregularitypredic—tionresultswasbetterreflected．Onthisbasis，theBPneuralnetworkmodelwasintroducedtoamendtheTQIpredictionresidualssequenceandtoovercomethedrawbackoflowpredictionaccuracybyasinglemode1．ThetrackirregularitiesoftWOup—direct

7、ionsectionsoftheShanghai—KunmingLinewerepredictedrespectively．Thepredictionresultsindicatethatthemeansoftherelativeerrorsare2．76and2．08respectively，theposteri—orerrorratiosare0．121and0．151respectively，andtheaccuracylevelreachesA．Keywords：trackirregularity；neuralnetwork；non—equa

8、linterval；greymodel；weight；residualmodification利用轨道不平顺