[发明专利]基于随机振荡序列灰色模型的轨道不平顺的超高预测方法

权利要求书

1.一种基于随机振荡序列灰色模型的轨道不平顺的超高预测方法，其特征在于，包括以下步骤：

数据预处理步骤：对检测的左右轨面高度偏差进行均值处理得到等间距平均高度偏差序列；

初步预测步骤：基于灰色模型对等间距平均高度偏差序列进行随机振荡序列灰色预测，得到初步预测高度偏差；

所述初步预测步骤，具体包括以下步骤：

随机振荡序列的变换：

对检测区段以相同时间检测检测得到等间距平均高度偏差序列，设等间距平均高度偏差序列为：X⁽⁰⁾＝{X⁽⁰⁾(1)，X⁽⁰⁾(2)，…，X⁽⁰⁾(n)}；

将等间距平均高度偏差序列平移至全值，并设置如下参数：

Max＝max{x⁽⁰⁾(k)|k，k∈{1，2，…，n}}；

Min＝min{x⁽⁰⁾(k)|k，k∈{1，2，…，n}}；

其中Max表示原始等间距平均高度偏差序列中的最大值，Min表示原始等间距平均高度偏差序列中的最小值，T表示原始等间距平均高度偏差序列的最大振荡比值，n为序列最大值；

对该等间距平均高度偏差序列进行加速指数变换后得到的序列为单调增长高度偏差序列，即：

XD₁＝{x(1)d₁，x(2)d₁，…，x(n)d₁}；

其中x(k)d₁，k＝1，2，3…n为第k个经过加速指数变换后的单调增长高度偏差值；

对XD₁序列进行几何平均生成变换，得到保持单调增长但增长幅度减小的几何平均处理高度偏差序列，即理想高度偏差序列，即：

XD₂＝{x(1)d₂，x(2)d₂，…，x(n)d₂}；

x(k)d₂为第k个几何平均处理高度偏差值，k＝1，…，n，n为正整数；

预测修正步骤：基于初步预测高度偏差和原数据得到初步预测高度残差，计算高度残差平均值，基于高度残差平均值对初步预测高度残差进行修正得到修正高度残差，对初步预测高度残差和修正高度残差进行归一化处理；

优化Elman神经网络步骤：基于初步预测高度残差和修正高度残差归一化处理后进行划分训练集、测试集，搭建Elman神经网络，基于训练集的初步预测高度残差、修正高度残差进行训练，通过蚁狮算法对Elman神经网络的初始权值和阈值优化，获得优化Elman神经网络；

超高预测步骤：基于优化Elman神经网络输入初步预测高度残差得到轨道预测修正高度残差。

2.根据权利要求1所述的基于随机振荡序列灰色模型的轨道不平顺的超高预测方法，其特征在于，所述数据预处理步骤，具体为：获取预设区间的等检测时间间隔的高度偏差，对高度偏差进行均值处理得到代表这段区间的平均高度偏差。

3.根据权利要求1所述的基于随机振荡序列灰色模型的轨道不平顺的超高预测方法，其特征在于，所述初步预测步骤，具体包括以下步骤：

判断级比：

如果级比k(i)在区间中，则所述理想高度偏差序列直接用于预测模型；

若不满足级比k(i)在区间中，则选取合适的平移系数z对序列进行整体平移，使得满足级比k(i)在区间中：

其中表示第i个平移后的理想高度偏差，表示第i个平移前的理想高度偏差；

建立灰色模型求解预测高度偏差。