軌道質(zhì)量指數(shù)（TQI）是制定軌道維修計(jì)劃的基礎(chǔ),具有隨時(shí)間緩慢變化并伴有隨機(jī)波動(dòng)的特點(diǎn),現(xiàn)有模型難以有效預(yù)測(cè)這種變化。為了提升TQI隨時(shí)間和條件變化的預(yù)測(cè)精度,提出一種改進(jìn)非等時(shí)距灰色組合IGM-PSO-Elman預(yù)測(cè)模型。通過優(yōu)化一階累加過程和背景值計(jì)算,在參數(shù)求解中植入權(quán)重矩陣對(duì)傳統(tǒng)灰色模型進(jìn)行了改進(jìn),提高了軌道狀態(tài)的預(yù)測(cè)精度;利用經(jīng)粒子群算法優(yōu)化的Elman神經(jīng)網(wǎng)絡(luò)對(duì)該模型的預(yù)測(cè)殘差值進(jìn)行了校正,進(jìn)一步降低了預(yù)測(cè)誤差。選取平均相對(duì)誤差、均方根誤差、決定系數(shù)、相關(guān)系數(shù)4個(gè)評(píng)價(jià)指標(biāo),利用實(shí)測(cè)數(shù)據(jù)與文獻(xiàn)數(shù)據(jù)對(duì)該組合模型進(jìn)行了驗(yàn)證,并研究了樣本數(shù)對(duì)預(yù)測(cè)精度的影響。結(jié)果表明:增加樣本數(shù)可以提高預(yù)測(cè)精度;該組合模型比傳統(tǒng)灰色模型預(yù)測(cè)精度更高,能夠?yàn)橹贫ň�路狀態(tài)維修計(jì)劃提供技術(shù)支持。 

【文章來源】：鐵道建筑. 2020,60(11)北大核心

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
1 改進(jìn)非等時(shí)距灰色預(yù)測(cè)模型
    1.1 1-AGO序列優(yōu)化
    1.2 背景值優(yōu)化
    1.3 參數(shù)求解優(yōu)化
2 殘差修正模型
3 IGM-PSO-Elman模型
4 模型驗(yàn)證
5 訓(xùn)練樣本數(shù)對(duì)預(yù)測(cè)結(jié)果的影響
6 結(jié)語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)不等時(shí)距權(quán)重的灰色殘差組合修正模型及其應(yīng)用[J]. 徐剛年,高全亭,解俊海,王有志,王來永,武俊彥.  測(cè)繪通報(bào). 2019(01)
[2]基于BP神經(jīng)網(wǎng)絡(luò)的鐵路軌道幾何不平順預(yù)測(cè)方法[J]. 彭麗宇,張進(jìn)川,茍娟瓊,李學(xué)偉.  鐵道學(xué)報(bào). 2018(09)
[3]基于改進(jìn)GM（1,1）與WOA-LSSVM組合預(yù)測(cè)模型的軌道不平順預(yù)測(cè)[J]. 馮超,余朝剛,孫雷,秦鑫.  鐵道標(biāo)準(zhǔn)設(shè)計(jì). 2019(04)
[4]基于支持向量機(jī)的軌道不平順預(yù)測(cè)研究[J]. 于瑤,劉仍奎,王福田.  鐵道科學(xué)與工程學(xué)報(bào). 2018(07)
[5]基于非等間距灰色模型和Elman神經(jīng)網(wǎng)絡(luò)的軌道質(zhì)量預(yù)測(cè)[J]. 馬子驥,唐濤,劉宏立,彭強(qiáng),金灘.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2018(05)
[6]基于非等時(shí)距加權(quán)灰色模型與神經(jīng)網(wǎng)絡(luò)的軌道不平順預(yù)測(cè)[J]. 韓晉,楊岳,陳峰,吳湘華.  鐵道學(xué)報(bào). 2014(01)
[7]基于灰色理論的軌道幾何狀態(tài)中長(zhǎng)期時(shí)變參數(shù)預(yù)測(cè)模型的研究[J]. 曲建軍,高亮,田新宇,辛濤.  鐵道學(xué)報(bào). 2010(02)
[8]基于概率分布的軌道不平順發(fā)展統(tǒng)計(jì)預(yù)測(cè)[J]. 高建敏,翟婉明,徐涌,陳東生.  鐵道科學(xué)與工程學(xué)報(bào). 2006(06)
[9]用于鐵路軌道不平順預(yù)測(cè)的綜合因子法[J]. 陳憲麥,王瀾,楊鳳春,柴雪松,吳旺青.  中國(guó)鐵道科學(xué). 2006(06)

博士論文
[1]基于提速線路TQI的軌道不平順預(yù)測(cè)與輔助決策技術(shù)的研究[D]. 曲建軍.北京交通大學(xué) 2011



本文編號(hào)：3150411