高速鐵路近些年來已經(jīng)成為我國主要的運(yùn)輸方式,飛速時(shí)代下的高速鐵路要保障列車運(yùn)行的安全性、平穩(wěn)性和舒適度,實(shí)質(zhì)是對(duì)線下工程工后沉降的一種嚴(yán)苛考驗(yàn)。路基作為鐵路工程的重要構(gòu)成部分,對(duì)其進(jìn)行沉降預(yù)測成為控制鐵路安全的關(guān)鍵環(huán)節(jié)。目前在鐵路工程中應(yīng)用較為廣泛的沉降預(yù)測方法有Asaoka法、三點(diǎn)法和雙曲線法等,而高速鐵路采用的無砟軌道所具備的“高平順”性導(dǎo)致了路基變形數(shù)據(jù)呈現(xiàn)非線性特征和“小量級(jí)、大波動(dòng)”的敏感性,高鐵變形預(yù)測已演變成一個(gè)非線性的復(fù)雜動(dòng)態(tài)系統(tǒng),利用單個(gè)傳統(tǒng)的預(yù)測方法很難有效地分析沉降系統(tǒng)的變動(dòng)趨勢。針對(duì)這一問題,本文從常用的、針對(duì)高速鐵路沉降曲線特征的預(yù)測模型出發(fā),為了對(duì)變形領(lǐng)域內(nèi)的數(shù)據(jù)進(jìn)行更全面的分析,引入數(shù)據(jù)預(yù)處理與殘差修正組合模型的概念,探究了基于小波分析與時(shí)間序列分析的相空間重構(gòu)IGWO-SVM變形預(yù)測組合模型在高速鐵路變形數(shù)據(jù)上的適用性。本文結(jié)合高鐵路基沉降數(shù)據(jù)的非線性波動(dòng)機(jī)理特點(diǎn),總結(jié)了現(xiàn)今常用的變形預(yù)測方法及研究進(jìn)展,闡述了相空間重構(gòu)技術(shù)、小波分析、時(shí)間序列分析和支持向量機(jī)理論基礎(chǔ)以及各模型的參數(shù)選取依據(jù)。其次針對(duì)含噪隨機(jī)序列應(yīng)用一維離散小波進(jìn)行消噪處理;利用能根據(jù)被... 

【文章來源】：桂林理工大學(xué)廣西壯族自治區(qū)

【文章頁數(shù)】：88 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

灰狼種群等級(jí)制度示意圖

圖 3.2 二維空間向量示意圖CXXDCXXDCX .;.;.123 1 2 2 3 A . D ; X X A . D ; X X A

去噪后序列相關(guān)性的分析與單位根檢驗(yàn)

【參考文獻(xiàn)】：
期刊論文
[1]貴廣高鐵無砟軌道機(jī)械化施工技術(shù)研究[J]. 張雷.  鐵道建筑技術(shù). 2017(11)
[2]基于相空間重構(gòu)的GA-SVR組合模型邊坡位移預(yù)測研究[J]. 劉小生,秦志強(qiáng).  大地測量與地球動(dòng)力學(xué). 2017(10)
[3]基于小波Mallat算法和BP神經(jīng)網(wǎng)絡(luò)的空氣質(zhì)量指數(shù)預(yù)測的研究[J]. 高鵬,周松林.  池州學(xué)院學(xué)報(bào). 2017(03)
[4]改進(jìn)灰狼算法在土壤墑情監(jiān)測預(yù)測系統(tǒng)中的應(yīng)用[J]. 李寧,李剛,鄧中亮.  計(jì)算機(jī)應(yīng)用. 2017(04)
[5]基于灰狼優(yōu)化算法的多機(jī)電力系統(tǒng)穩(wěn)定器參數(shù)最優(yōu)設(shè)計(jì)[J]. 左劍,張程穩(wěn),肖逸,李銀紅,段獻(xiàn)忠.  電網(wǎng)技術(shù). 2017(09)
[6]具有自適應(yīng)搜索策略的灰狼優(yōu)化算法[J]. 魏政磊,趙輝,韓邦杰,孫楚,李牧東.  計(jì)算機(jī)科學(xué). 2017(03)
[7]基于灰狼算法的改進(jìn)研究[J]. 郭振洲,劉然,拱長青,趙亮.  計(jì)算機(jī)應(yīng)用研究. 2017(12)
[8]新型灰狼優(yōu)化算法在函數(shù)優(yōu)化中的應(yīng)用[J]. 羅佳,唐斌.  蘭州理工大學(xué)學(xué)報(bào). 2016(03)
[9]一種新型非線性收斂因子的灰狼優(yōu)化算法[J]. 王敏,唐明珠.  計(jì)算機(jī)應(yīng)用研究. 2016(12)
[10]一種計(jì)算高鐵沉降預(yù)測常用模型參數(shù)的新方法[J]. 張吉春,明祖濤.  測繪通報(bào). 2016(01)

博士論文
[1]基于群智能優(yōu)化的機(jī)器學(xué)習(xí)方法研究及應(yīng)用[D]. 趙東.吉林大學(xué) 2017
[2]組合預(yù)測方法及其應(yīng)用研究[D]. 馬濤.蘭州大學(xué) 2017
[3]混沌時(shí)間序列分析及在鐵路貨運(yùn)量預(yù)測中的應(yīng)用研究[D]. 吳華穩(wěn).中國鐵道科學(xué)研究院 2014
[4]基于支持向量機(jī)的金融時(shí)間序列分析預(yù)測算法研究[D]. 鮑漪瀾.大連海事大學(xué) 2013
[5]基于小波分析與神經(jīng)網(wǎng)絡(luò)滾動(dòng)軸承故障診斷方法的研究[D]. 楊柳松.東北林業(yè)大學(xué) 2013
[6]基于支持向量機(jī)的巖土非線性變形行為預(yù)測研究[D]. 董輝.中南大學(xué) 2007
[7]基于小波理論的變形分析模型研究[D]. 文鴻雁.武漢大學(xué) 2004

碩士論文
[1]基于時(shí)間序列分析的汽車銷量預(yù)測研究[D]. 章旭.合肥工業(yè)大學(xué) 2017
[2]基于非線性動(dòng)力系統(tǒng)的時(shí)間序列預(yù)測技術(shù)研究[D]. 郭俊.天津理工大學(xué) 2017
[3]小水電群生態(tài)智能調(diào)度算法研究與系統(tǒng)開發(fā)[D]. 任沁.浙江工業(yè)大學(xué) 2016
[4]小波分析和組合模型在沉降預(yù)計(jì)中的應(yīng)用研究[D]. 高山.安徽理工大學(xué) 2016
[5]基于EMD的相空間重構(gòu)極限學(xué)習(xí)機(jī)的短期氣象要素預(yù)測方法及其應(yīng)用研究[D]. 張珊珊.南昌大學(xué) 2016
[6]基于ARIMA模型和ARIMAX模型的山東省GDP的預(yù)測與分析[D]. 陳聰聰.山東大學(xué) 2016
[7]基于支持向量機(jī)的組合預(yù)測模型及其應(yīng)用研究[D]. 孟玲玲.河南理工大學(xué) 2015
[8]相空間重構(gòu)和支持向量機(jī)結(jié)合的短期電力負(fù)荷預(yù)測研究[D]. 李昕.中北大學(xué) 2015
[9]支持向量機(jī)模型優(yōu)化方法及其在旋轉(zhuǎn)機(jī)械智能診斷中的應(yīng)用[D]. 雷絲雨.電子科技大學(xué) 2015
[10]基于小波包分解和布谷鳥算法的最小二乘支持向量機(jī)風(fēng)速預(yù)測模型的研究與應(yīng)用[D]. 魏翔.蘭州大學(xué) 2015



本文編號(hào)：3308645