轨道几何尺寸数据是在对被测轨道进行检查时得到的,而不同时间的历史数据,由于检查环境和条件存在变动,其数据表现经常伴随着累积里程误差的存在,导致数据存在无法对齐的现象,从而不能精准预测轨道不平顺的发展。针对此问题,提出将多组...轨道几何尺寸数据是在对被测轨道进行检查时得到的,而不同时间的历史数据,由于检查环境和条件存在变动,其数据表现经常伴随着累积里程误差的存在,导致数据存在无法对齐的现象,从而不能精准预测轨道不平顺的发展。针对此问题,提出将多组原始数据依次以某一步长进行分段验证,以互相关函数相互进行评价,将各组原始数据的里程对齐之后得到有效的观测值。以广铁集团惠州工务段杭深线潮汕站4道K1317+150-K1317+350间的2013-2015年度的历史数据作为试验样本,通过建立自回归积分滑动平均模型(auto-regressive integrated moving average model,简称ARIMA)预测轨道不平顺。结果表明,将轨道几何尺寸原始数据对齐后再进行其不平顺状态的预测研究,可以达到更高的试验精度,其相对误差绝对值的最大值小于5%,样本中相对误差均值为1.75%,适用于工程。展开更多
文摘轨道几何尺寸数据是在对被测轨道进行检查时得到的,而不同时间的历史数据,由于检查环境和条件存在变动,其数据表现经常伴随着累积里程误差的存在,导致数据存在无法对齐的现象,从而不能精准预测轨道不平顺的发展。针对此问题,提出将多组原始数据依次以某一步长进行分段验证,以互相关函数相互进行评价,将各组原始数据的里程对齐之后得到有效的观测值。以广铁集团惠州工务段杭深线潮汕站4道K1317+150-K1317+350间的2013-2015年度的历史数据作为试验样本,通过建立自回归积分滑动平均模型(auto-regressive integrated moving average model,简称ARIMA)预测轨道不平顺。结果表明,将轨道几何尺寸原始数据对齐后再进行其不平顺状态的预测研究,可以达到更高的试验精度,其相对误差绝对值的最大值小于5%,样本中相对误差均值为1.75%,适用于工程。
