[发明专利]轨道维修时刻预测方法及装置

权利要求书

1.一种轨道维修时刻预测方法，其特征在于，包括：

根据轨道波形数据，获得轨道各单元区段的TQI随时间变化的趋势数据；

从轨道各单元区段的TQI随时间变化的趋势数据中，识别轨道维修时刻点；

根据轨道各单元区段的TQI随时间变化的趋势数据和轨道维修时刻点，构造趋势数据的特征向量；

利用特征向量训练轨道维修预测模型，获得训练后的轨道维修预测模型；

利用训练后的轨道维修预测模型，预测轨道维修时刻；

从轨道各单元区段的TQI随时间变化的趋势数据中，识别轨道维修时刻点，包括：

在TQI随时间变化的趋势数据中，若一时刻的TQI值或单项标准差小于第一阈值，确定该时刻为异常轨道维修时刻点，剔除该异常轨道维修时刻点；

从剔除异常轨道维修时刻点的TQI随时间变化的趋势数据中，确定任意两个时刻对应的TQI值的差值中的最小值，和任意两个时刻对应的TQI值的差值中的最大值；

根据任意两个时刻对应的TQI值的差值中的最小值，和任意两个时刻对应的TQI值的差值中的最大值，确定第二阈值；

对TQI值随时间变化的趋势数据中的每一时刻，获得该时刻之前的所有时刻对应的TQI值的均值，计算该时刻对应的TQI值与所述均值的差值，在所述差值大于第二阈值时，确定该时刻为轨道维修时刻点；

采用如下公式，根据任意两个时刻对应的TQI值的差值中的最小值，和任意两个时刻对应的TQI值的差值中的最大值，确定第二阈值：

thre=maxd-(maxd-mind)minuslast_cut/1.0

其中，thre为第二阈值；

maxd为任意两个时刻对应的TQI值的差值中的最大值；

mind为任意两个时刻对应的TQI值的差值中的最小值；

minuslast_cut为自定义的异常点阈值。

2.如权利要求1所述的轨道维修时刻预测方法，其特征在于，根据轨道波形数据，获得轨道各单元区段的TQI随时间变化的趋势数据，包括：

根据轨道波形数据，获得轨道各单元区段的TQI数据，所述TQI数据包括TQI值和单项标准差；

将轨道各单元区段的TQI数据按照日期和各单元区段所在里程进行排序，获得轨道各单元区段的TQI随时间变化的趋势数据。

3.如权利要求2所述的轨道维修时刻预测方法，其特征在于，在根据轨道波形数据，获得轨道各单元区段的TQI数据之前，还包括：

对轨道波形数据进行预处理；

根据轨道波形数据，获得轨道各单元区段的TQI数据，包括：

根据预处理后的轨道波形数据，获得轨道各单元区段的TQI数据。

4.如权利要求3所述的轨道维修时刻预测方法，其特征在于，对轨道波形数据进行预处理，包括：

剔除轨道波形数据中的无效数据；

对剔除无效数据后的轨道波形数据进行里程校正。

5.如权利要求1所述的轨道维修时刻预测方法，其特征在于，在从轨道各单元区段的TQI随时间变化的趋势数据中，识别轨道维修时刻点之前，还包括：

剔除轨道各单元区段的TQI随时间变化的趋势数据中的异常点。

6.如权利要求5所述的轨道维修时刻预测方法，其特征在于，采用如下方法中的其中一种或任意组合剔除轨道各单元区段的TQI随时间变化的趋势数据中的异常点：

局部距离估计方法，迭代曲线拟合方法。

7.如权利要求1所述的轨道维修时刻预测方法，其特征在于，趋势数据的特征向量包括设定频率最高温时序数据、设定频率最低温时序数据和设定频率平均气温时序数据。