轨道不平顺时间序列关联度及其变化趋势研究

作者：贾朝龙; 徐维祥; 王寒凝

来源：交通运输系统工程与信息, 2012, (06): 157-163.

DOI：10.16097/j.cnki.1009-6744.2012.06.016

• 铁路运输
• 轨道不平顺
• 时间序列
• 灰色模型
• 灰色关联度
• 卡尔曼滤波 railway transportation
• track irregularity
• time series
• grey model
• gray incidence degree
• Kalman filtering

轨道几何形状检测数据是一个随时间变化具有随机特征的时间序列,反映轨道几何状态的变化.在本文中,灰色关联度理论用于研究轨道水平不平顺时间序列数据,挖掘时间序列数据之间隐含的关系;经过普遍适应性改进和残差修正改进的灰色GM(1,1)模型预测固定测点轨道不平顺长期状态变化趋势,随机线性AR和卡尔曼滤波模型分析单元区段轨道不平顺短期变化趋势,探索轨道状态变化随机数据序列中隐藏的规律并进行预测.短期和长期预测模型验证结果表明,三种模型是有效的,能够达到预期的精度.

• 单位
  交通运输学院; 轨道交通控制与安全国家重点实验室; 北京交通大学