论文部分内容阅读
轨道质量指数(TQI)是制定轨道维修计划的基础,具有随时间缓慢变化并伴有随机波动的特点,现有模型难以有效预测这种变化。为了提升TQI随时间和条件变化的预测精度,提出一种改进非等时距灰色组合IGM⁃PSO⁃Elman预测模型。通过优化一阶累加过程和背景值计算,在参数求解中植入权重矩阵对传统灰色模型进行了改进,提高了轨道状态的预测精度;利用经粒子群算法优化的Elman神经网络对该模型的预测残差值进行了校正,进一步降低了预测误差。选取平均相对误差、均方根误差、决定系数、相关系数4个评价指标,利用实测数据与文献数