铁路路基冻胀的自适应定量预测模型

针对严寒地区路基冻胀的定量预测,提出一种优化灰色与神经网络组合模型。采用设置时距权值矩阵、微分方程背景值优化和模型初值优化的方式,对传统的非等时距GM(1,1)预测模型进行优化,并对初始预测残差采用BP神经网络进行修正。选取哈大客运专线某区段2013-12~2014-01路基冻胀数据,利用该模型对其进行拟合与预测,所建立的冻胀预测模型精度值达到0.984,后验差比达到0.108 6,平均预测误差值1.46%,与现有GM(1,1)和BP网络模型相比,预测结果精度明显提高,实现了对路基冻胀较高精度的定量预测。

优化GM(1,1)与SVM组合模型的路基冻胀预测应用

基于非等时距GM(1,1)优化预测模型,采用支持向量机进行预测残差修正,建立一种组合预测算法,并运用该算法对铁路路基冻胀进行定量预测。对经典非等时距GM(1,1)模型背景值和初值的计算方法进行优化,同时设置时距权值矩阵,对不同时间测量所得数据赋予不同权重。在初始预测后,对残差值采用支持向量机进行非线性修正,得到最终预测值。选取哈大客专某区段实际测量路基冻胀数据,对算法实用效果进行检验。所建立预测模型平均预测误差值为2.039%,最大预测误差5.911%,后验证差比值0.005,各项指标均优于单一灰色模型与文献[6]中建立的组合预测模型,实现了对铁路路基冻胀的较高精度定量预测。