基于小波神经网络模型的高铁沉降预测方法研究

• 作者: 薛骐
• 来源期刊: 铁道勘察
• 学科: 交通运输
• 关键词: 小波神经网络 卡尔曼滤波 预测模型 高铁沉降预测
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 工程测量
• 页码范围: 13-16
• 页数: 4页
• 分类号: U455.43
• 字数: 2782字
• 语种: 中文
• DOI: 10.19630/j.cnki.tdkc.201805070001

摘要

小波神经网络具有自主学习能力强、结果稳定等特点,可用来解决高铁线路沉降预测模型单一、预测不稳定等问题.对大西线侯马西站轨道变形监测CPⅢ观测点实测数据的对比分析表明,小波神经网络预测结果的相对误差范围较卡尔曼滤波结果缩小50％以上,均方误差缩小50％,相关系数和平均相对误差指标比较稳定,较当前应用最为广泛的卡尔曼滤波模型具有更好的容错能力和逼近能力.研究结果不仅扩充了当前预测模型的可选范围,还在预测结果的稳定性上提供了更好的参考对象.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛骐		3	2	1.0	1.0