一种基于改进灰色组合模型的轨道质量预测方法及系统技术方案

本发明专利技术提供一种基于改进灰色组合模型的轨道质量预测方法及系统，其中方法包括原始数据预处理，还包括以下步骤：构造改进非等时距灰色IGM预测模型；利用PSO算法对Elman网络的权值和阈值进行优化，构造PSO‑Elman神经网络校正模型；综合改进非等时距灰色IGM模型、粒子群优化PSO算法和Elman神经网络三者的优势构建IGM‑PSO‑Elman模型本发明专利技术提出的基于改进灰色组合模型的轨道质量预测方法及系统，在传统灰色模型的基础上进行改进，引入权系数优化一阶累加生成过程，加入权重矩阵优化模型参数求解，利用积分面积优化差分方程背景值的计算，PSO‑Elman残差校正模型可以降低数据的波动，减小改进非等时距灰色预测残差。

A method and system of track quality prediction based on Improved Grey Combination Model

【技术实现步骤摘要】
一种基于改进灰色组合模型的轨道质量预测方法及系统
本专利技术涉及轨道交通数据分析预测的
，具体地说是一种基于改进灰色组合模型的轨道质量预测方法及系统。
技术介绍
列车运行间隔缩短和行车密度增加，极大地增加了轨道的日常负荷和工务部门维保工作的难度。铁路轨道是列车运行的载体和依托，是影响列车平稳安全运行和乘客舒适程度的重要因素，也是铁路工务养护部门日常维护的焦点所在。因此，研究未来一段时间内轨道状态的预测问题，对于促进轨道安全预警管理水平和运维数字化、智能化的发展具有重要意义。目前轨道质量预测方法大体可分为传统方法、机器学习方法和基于灰色理论的组合方法。传统方法有指数平滑预测方法；机器学习方法有贝叶斯预测模型，马尔可夫模型，基于BPNN和SVM的方法。基于灰色理论的组合方法如曲建军建立用于预测非线性序列的TITCGM(1，1)-PC灰色模型，韩晋将改进非等间距灰色预测模型与BPNN校正网络相结合的预测方法，马子骥提出改进灰色和Elman神经网络组合预测模型以及灰色和PSVM组合预测模型，冯超提出灰色和WOA-LSSVM组合预测模型。但是，现有的预测模型都有一定缺陷，传统预测模型要求数据具有线性或指数增长规律的特性，用于预测TQI误差较大，机器学习方法受样本数据量限制，若原始数据中出现异常值会产生较大预测偏差。2018年第06期的《铁道学报》上公开了马子骥、郭帅锋、李元良的《基于改进非等间距灰色模型和PSVM的轨道质量指数预测》的文章，该文章根据轨道不平顺发展的趋势性和随机性,提出一种将非等间距灰色模型与粒子群优化支持向量机结合的预测方法。利用改进的非等间距灰色GM模型预测轨道质量指数(TQI)序列在未来一段时间内的变化，再利用粒子群优化的支持向量机(PSVM)模型对灰色预测值进行纠正，得到较准确的TQI序列，构建出轨道不平顺变化趋势预测模型。分别对沪昆线上行两段线路的轨道不平顺进行预测，结果表明该组合模型的预测精度较高，相对误差分别低至1.03％和2.74％。该文章的不足是没有考虑检测时间间隔对一阶累加生成过程的影响，模型参数求解过程没有考虑到检测时间对模型的影响程度不同，同时背景值计算准确度方面有待提升。
技术实现思路
为了解决上述的技术问题，本专利技术提出的基于改进灰色组合模型的轨道质量预测方法及系统，在传统灰色模型的基础上进行改进，引入权系数优化一阶累加生成过程，加入权重矩阵优化模型参数求解，利用积分面积优化差分方程背景值的计算，PSO-Elman残差校正模型可以降低数据的波动，减小改进非等时距灰色预测残差。本专利技术的第一目的是提供一种基于改进灰色组合模型的轨道质量预测方法，包括原始数据预处理，还包括以下步骤：步骤1：构造改进非等时距灰色IGM预测模型；步骤2：利用PSO算法对Elman网络的权值和阈值进行优化，构造PSO-Elman神经网络校正模型；步骤3：综合改进非等时距灰色IGM模型、粒子群优化PSO算法和Elman神经网络三者的优势构建IGM-PSO-Elman模型。优选的是，所述原始数据为原始TQI序列X(0)，所述原始TQI序列X(0)为非负序列，X(0)＝(x(0)(t1)，…，x(0)(ti)，…，x(0)(tn))，其中，i＝1，2，…，n)，n表示检测次数，x(0)表示实际检测值，ti表示检测值对应的检测时间。在上述任一方案中优选的是，所述原始TQI序列X(0)的检测时间是非等间隔的，即Δti＝ti-ti-1≠const，其中，const为常数数值。在上述任一方案中优选的是，所述原始数据预处理包括将所述原始TQI序列X(0)处理成能够使用灰色模型进行预测的数据。在上述任一方案中优选的是，所述原始数据预处理包括以下子步骤：步骤01：检验原始TQI数据的级数比，步骤02：判断级数比是否落在区间(e-2/(n+1)，e2/(n+1))内，其中，e表示自然对数的底数。在上述任一方案中优选的是，如果判断级数比落在区间(e-2/(n+1)，e2/(n+1))内，则运用所述IGM模型建模预测。在上述任一方案中优选的是，如果判断级数比没有落在区间(e-2/(n+1)，e2/(n+1))内，则选取适当常数C对所述原始TQI序列x(0)适当平移，new_X(0)＝X(0)+C。在上述任一方案中优选的是，所述步骤1包括以下子步骤：步骤11：对所述原始TQI序列x(0)相应的1-AGO序列进行优化；步骤12：进行背景值优化；步骤13：进行参数求解优化。在上述任一方案中优选的是，所述1-AGO序列为x(1)＝(x(1)(t1)，…，x(1)(ti)，…，x(1)(tn))，引入权重系数λ，用于适应不同阶段轨道质量指数预测的要求，x(1)(ti)＝x(1)(ti-1)+λΔtix(0)(ti)+(1-λ)Δtix(0)(ti-1)，其中，x(1)(t1)＝x(0)(t1)，0≤λ≤1。在上述任一方案中优选的是，所述步骤12包括由优化后的X(1)序列建立灰色微分方程dx(1)(t)/dt+ax(1)(t)＝b，在区间[ti-1，ti]对上式进行积分并离散化，得差分方程x(0)(ti)Δti+az(1)(ti)＝bΔti，其中，Δti为检测时间间隔，a为用于反映变化趋势的灰色发展系数，b为用于反映数据波动成分的灰色作用量，为差分方程的背景值，经优化后的X(1)序列近似符合指数增长规律，即x(1)(t)＝Cedt，在上述任一方案中优选的是，所述步骤13包括给不同检测时间的数据赋予一个权值μ(1≤μ≤2)，定义权值矩阵为在上述任一方案中优选的是，所述步骤13还包括以模拟绝对误差和最小为目标求解参数a、b和λ，取x(1)(t1)＝x(0)(t1)，则灰微分方程的解为对上式进行还原，得到改进灰色模型初步预测值其中，在上述任一方案中优选的是，所述步骤2包括以下子步骤：步骤21：选择输入输出数据组成训练集；步骤22：设定PSO的各个初始参数并根据原始序列确定Elman神经网络的拓扑结构；步骤23：计算适应度值，更新粒子位置和速度，所述适应度值为绝对误差值之和；其中，ω为取值非负的惯性权重，用于调整搜索空间；为粒子j第k次飞行速度的第d维分量；为粒子j第k次飞行位置的第d维分量；pbestjd为粒子j在第d维的个体极值点的位置；gbestd为整个种群在第d维的全局极值点的位置；c1和c2为学习因子，加速寻优速度；r1和r2为两个范围从0到1的随机数。在上述任一方案中优选的是，所述步骤3包括以下子步骤：步骤31：检验原始TQI数据的级数比；步骤32：将所述步骤31得到的数据进行一阶累加生成处理，得到1-AGO序列X(1)；步骤33：将所述1-AGO序列X(1)输入至IGM模型，采用最小二乘本文档来自技高网...

【技术保护点】
1.一种基于改进灰色组合模型的轨道质量预测方法，包括原始数据预处理，其特征在于，还包括以下步骤：/n步骤1：构造改进非等时距灰色IGM预测模型；/n步骤2：利用PSO算法对Elman网络的权值和阈值进行优化，构造PSO-Elman神经网络校正模型；/n步骤3：综合改进非等时距灰色IGM模型、粒子群优化PSO算法和Elman神经网络三者的优势构建IGM-PSO-Elman模型。/n

【技术特征摘要】
1.一种基于改进灰色组合模型的轨道质量预测方法，包括原始数据预处理，其特征在于，还包括以下步骤：
步骤1：构造改进非等时距灰色IGM预测模型；
步骤2：利用PSO算法对Elman网络的权值和阈值进行优化，构造PSO-Elman神经网络校正模型；
步骤3：综合改进非等时距灰色IGM模型、粒子群优化PSO算法和Elman神经网络三者的优势构建IGM-PSO-Elman模型。


2.如权利要求1所述的基于改进灰色组合模型的轨道质量预测方法，其特征在于，所述原始数据为原始TQI序列X(0)，所述原始TQI序列X(0)为非负序列，X(0)＝(x(0)(t1)，…，x(0)(ti)，…，x(0)(tn))，其中，i＝1，2，…，n，n表示检测次数，x(0)表示实际检测值，ti表示检测值对应的检测时间。


3.如权利要求2所述的基于改进灰色组合模型的轨道质量预测方法，其特征在于，所述原始TQI序列X(0)的检测时间是非等间隔的，即Δti＝ti-ti-1≠const，其中，const为常数数值。


4.如权利要求3所述的基于改进灰色组合模型的轨道质量预测方法，其特征在于，所述原始数据预处理包括将所述原始TQI序列X(0)处理成能够使用灰色模型进行预测的数据。


5.如权利要求4所述的基于改进灰色组合模型的轨道质量预测方法，其特征在于，所述原始数据预处理包括以下子步骤：
步骤01：检验原始TQI数据的级数比，
步骤02：判断级数比是否落在区间(e-2/(n+1)，e2/(n+1))内，其中，e表示自然对数的底数。


6.如权利要求5所述的基于改进灰色组合模型的轨道质量预测方法，其特征在于，如果判断级数比落在区间(e-2/(n+1...

【专利技术属性】
技术研发人员：饶志强，赵玉林，
申请(专利权)人：北京联合大学，
类型：发明
国别省市：北京;11