地铁轨道结构沉降预测的神经网络模型

• 作者: 吕楚男 夏晓明 胡伍生
• 来源期刊: 现代测绘
• 学科: 交通运输
• 关键词: 沉降 预测模型 时间序列 神经网络
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 科技专栏——人工智能
• 页码范围: 1-3
• 页数: 3页
• 分类号: TP183|U231
• 字数: 2183字
• 语种: 中文

摘要

地铁轨道结构的变形是影响地铁运营安全的重要因素之一,对其变形预测模型展开研究具有重要意义.本文以南京地铁2号线某区段的地铁轨道结构沉降监测实测数据为基础,研究分析了几种不同的沉降预测模型,并对预测效果进行了对比分析.论文首先介绍了时间序列模型之一,自回归模型AR(p);其次,介绍了神经网络BP模型,且确定地铁轨道结构沉降预测的BP模型结构为4×P×1.经工程实例分析,与时间序列模型相比,神经网络BP模型的预测精度能提高约50％,但该模型的缺点是模拟结果不稳定.最后,作者提出了时间序列与BP算法的融合模型,并详细介绍了该模型的具体结构和计算步骤.工程实例结果表明,融合模型的预测精度更高,与时间序列模型相比,精度能提高约60％,且融合模型的稳定性比常规BP模型要好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡伍生	东南大学交通学院	127	983	16.0	23.0
2	夏晓明		5	3	1.0	1.0
3	吕楚男		2	0	0.0	0.0