基于智能计算的高速铁路路基沉降预测系统研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的研究背景及意义 | 第10-11页 |
| 1.2 铁路产业发展现状 | 第11页 |
| 1.3 路基沉降预测技术发展现状 | 第11-15页 |
| 1.3.1 固结理论法 | 第12页 |
| 1.3.2 系统理论法 | 第12-13页 |
| 1.3.3 智能计算法 | 第13-15页 |
| 1.4 本文的主要工作 | 第15-16页 |
| 第2章 路基沉降单项预测模型 | 第16-27页 |
| 2.1 路基沉降预测模型 | 第16-18页 |
| 2.1.1 单项预测模型评价指标 | 第16-17页 |
| 2.1.2 原始数据分析 | 第17-18页 |
| 2.2 常见沉降预测算法 | 第18-26页 |
| 2.2.1 双曲线法预测 | 第18-19页 |
| 2.2.2 三点法预测 | 第19-21页 |
| 2.2.3 Asaoka 法预测 | 第21-23页 |
| 2.2.4 GM 灰度法预测 | 第23-24页 |
| 2.2.5 Verhulst 灰度法预测 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 最小二乘支持向量机路基沉降预测模型 | 第27-36页 |
| 3.1 最小二乘支持向量机 | 第27-29页 |
| 3.1.1 LS-SVM 回归算法 | 第27-28页 |
| 3.1.2 LS-SVM 核函数 | 第28-29页 |
| 3.2 LS-SVM 路基沉降预测模型 | 第29-35页 |
| 3.2.1 等时序列转换 | 第29-30页 |
| 3.2.2 基于滚动时窗的样本选取 | 第30-31页 |
| 3.2.3 时间序列 LS-SVM 预测模型 | 第31-33页 |
| 3.2.4 沉降值序列 LS-SVM 预测模型 | 第33-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第4章 单项预测模型遴选 | 第36-43页 |
| 4.1 协整理论 | 第36-38页 |
| 4.1.1 单位根检验 | 第37页 |
| 4.1.2 协整关系检验 | 第37-38页 |
| 4.2 预测信息冗余处理 | 第38-39页 |
| 4.3 单项预测模型遴选 | 第39-42页 |
| 4.3.1 预测模型协整性遴选 | 第40-41页 |
| 4.3.2 冗余方法遴选 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 组合预测模型在路基沉降预测中的应用 | 第43-57页 |
| 5.1 组合预测模型的理论概述 | 第43-44页 |
| 5.2 定权组合预测 | 第44-46页 |
| 5.2.1 定权组合预测原理 | 第44页 |
| 5.2.2 权值分配 | 第44-46页 |
| 5.3 变权组合预测 | 第46-49页 |
| 5.3.1 变权组合预测原理 | 第46-47页 |
| 5.3.2 基于 LS-SVM 的变权组合预测 | 第47-49页 |
| 5.4 工程实例分析 | 第49-53页 |
| 5.4.1 定权组合预测在路基沉降中的预测 | 第50-51页 |
| 5.4.2 基于 LS-SVM 的变权组合预测 | 第51-52页 |
| 5.4.3 预测结果对比及分析 | 第52-53页 |
| 5.5 组合预测模型测试 | 第53-56页 |
| 5.5.1 模型稳定性测试 | 第53-55页 |
| 5.5.2 模型抗干扰能力测试 | 第55-56页 |
| 5.6 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的学术论文 | 第62-63页 |
| 致谢 | 第63页 |
