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

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。

发文机构：浙江臻善科技股份有限公司 南京市测绘勘察研究院股份有限公司 东南大学交通学院

关键词：沉降预测模型时间序列神经网络settlementthe prediction modelsthe time series modelneural network

分类号： TP183[自动化与计算机技术—控制理论与控制工程]U231[交通运输工程—道路与铁道工程]