基于組合預測模型的軌道不平順預測研究.pdf

1、鐵路軌道是鐵路運輸的基礎設施之一，在車輛行駛中，來自機車車體的壓力和震動直接作用于軌道，導致軌道質量發(fā)生惡化。軌道質量狀態(tài)的優(yōu)劣影響到列車運行安全性、旅客乘車舒適度以及設備使用壽命。因此保證鐵路軌道的高平順性是保證鐵路正常運輸的基礎。軌道不平順預測是指使用預測模型，對軌檢車檢測的軌道不平順數據擬合其發(fā)展趨勢，并對其未來變化情況進行預測。軌道不平順預測是及時發(fā)現軌道惡化程度，合理制定養(yǎng)護維修計劃，提高工務部門維修效率的可靠保障。因此，軌道

2、不平順預測方法研究具有重要的現實意義。
　　 本文在研究大量軌道不平順相關文獻的基礎上，介紹了國內外軌道不平順檢測數據的分析方法，并對各國軌道不平順預測模型的研究工作進行綜述。其次，詳細介紹各類軌道不平順的表現形式以及形成原因。在分析大量軌道不平順檢測數據的基礎上，使用萊茵達法則和絕對值修正法剔除檢測數據中的粗大異常值;針對同一里程范圍內多批次檢測存在的里程漂移問題，使用相對關聯度度量各批次檢測波形間的相似程度，計算出里程漂移誤

3、差，實現各批次數據里程校正。在對軌道不平順數據發(fā)展規(guī)律進行分析的基礎上，針對用于預測的檢測批次較少和短期預測情況，重點研究指數平滑預測法和非等時距灰色系統(tǒng)預測模型對軌道質量指數TQI的預測。根據兩種模型的預測結果與數據實測值對比發(fā)現，指數平滑法存在發(fā)展趨勢預測滯后，而非等間距GM(1，1)模型對于具有隨機波動特性的數據預測效果較差。因此，本文建立基于灰色關聯度的組合預測模型，對指數平滑和非等間距GM(1，1)模型進行組合，求解使預測結果

4、達到最優(yōu)的權重系數，建立ESGM(1，1)-RGCD組合預測模型。
　　 為了驗證組合模型預測效果，本文選取某線路TQI實測值進行實驗分析，結果表明ESGM(1，1)-RGCD模型能夠較好的擬合TQI數據發(fā)展趨勢，并提高了單一模型的預測精度，可用于短期TQI數據的預測。最后，本文介紹了軌道復合不平順的計算方法，并利用ESGM(1，1)-RGCD模型對復合不平順標準差進行預測，預測結果表明組合模型對復合不平順標準差預測精度較高，可