为分析青藏铁路路基高程不规则变形,基于Box-Jenkins建模方法,确定时间序列模型阶数,根据AIC(Akaike information criterion)准则,选取适合的时间序列模型,最后给出批量预测全部路基测点高程的算法步骤。通过建立高程-时间响应模型的方...为分析青藏铁路路基高程不规则变形,基于Box-Jenkins建模方法,确定时间序列模型阶数,根据AIC(Akaike information criterion)准则,选取适合的时间序列模型,最后给出批量预测全部路基测点高程的算法步骤。通过建立高程-时间响应模型的方法,研究了青藏铁路路基高程随时间变形规律问题。以2010—2018年每月青藏铁路K1425+050处左侧路基高程数据为例,建立了ARIMA(2,1,1)模型,并以2019年数据作为验证集。结果表明:模型通过了模型适应性检验,证明了模型的有效性和准确性;总结了青藏铁路沿线各测点至2023年12月预测值中可能出现重大变形以及测点左右两侧路基高程差值出现较大差值的10个危险点;在测点K1476+600附近,路基两侧出现明显长距离的差异。可见本模型能准确预测青藏铁路路基高程的变化,对于工程养护维修具有一定借鉴意义。展开更多
文摘为分析青藏铁路路基高程不规则变形,基于Box-Jenkins建模方法,确定时间序列模型阶数,根据AIC(Akaike information criterion)准则,选取适合的时间序列模型,最后给出批量预测全部路基测点高程的算法步骤。通过建立高程-时间响应模型的方法,研究了青藏铁路路基高程随时间变形规律问题。以2010—2018年每月青藏铁路K1425+050处左侧路基高程数据为例,建立了ARIMA(2,1,1)模型,并以2019年数据作为验证集。结果表明:模型通过了模型适应性检验,证明了模型的有效性和准确性;总结了青藏铁路沿线各测点至2023年12月预测值中可能出现重大变形以及测点左右两侧路基高程差值出现较大差值的10个危险点;在测点K1476+600附近,路基两侧出现明显长距离的差异。可见本模型能准确预测青藏铁路路基高程的变化,对于工程养护维修具有一定借鉴意义。