期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
顾及导热系数与冻土环境变量的高铁路基冻深预测LSTM模型构建及应用
1
作者
张超越
魏冠军
《铁道科学与工程学报》
北大核心
2025年第8期3352-3363,共12页
提高季节性冻土区高铁路基冻深预测精度,对保证寒区高速铁路的安全调度和平稳运行具有重要意义。针对现有季冻区高铁路基冻深预测模型缺乏利用多元环境序列信息的问题,提出一种顾及导热系数与冻土环境变量的高铁路基冻深预测LSTM模型,...
提高季节性冻土区高铁路基冻深预测精度,对保证寒区高速铁路的安全调度和平稳运行具有重要意义。针对现有季冻区高铁路基冻深预测模型缺乏利用多元环境序列信息的问题,提出一种顾及导热系数与冻土环境变量的高铁路基冻深预测LSTM模型,以兰新高铁山丹马场−民乐路段DK371+900、DK383+345和DK391+9403处断面为例,对2015-2017年冻深快速增长期的路基冻深进行预测。该模型首先利用EMD算法对导热系数与冻土环境变量时序数据进行信号分解,得到一系列具有不同特征尺度的数据序列,体现出原数据的趋势与波动性,增加数据的细节和多样性;再利用KPCA算法提取出影响路基冻深的关键因子,实现数据降维,消除因EMD产生的数据冗余;最后通过LSTM网络实现基于多变量的路基冻深预测。研究结果表明:该模型较传统路基冻深预测模型、EMD-LSTM模型、多变量BP神经网络模型、多变量LSTM模型有更高的精确度。模型在3处断面路基冻深预测的平均绝对误差(f_(mae))为0.029、0.033和0.060 m;均方根误差(f_(rmse))为0.036、0.042和0.075 m;拟合优度(R2)为0.924、0.949和0.906。其f_(mae)与f_(rmse)相比于传统路基冻深预测模型最高降低了89.1%和86.8%;相比于EMD-LSTM模型最高降低了87.7%和85.7%;相比于多变量BP神经网络模型最高降低了66.3%和64.7%;相比于多变量LSTM模型最高降低了60.2%和56.7%。研究结果可为季节性冻土区高铁路基冻深预测提供一种新的参考。
展开更多
关键词
高铁路基
经验模态分解
核主成分分析
长短期记忆神经网络
冻结深度预测
在线阅读
下载PDF
职称材料
题名
顾及导热系数与冻土环境变量的高铁路基冻深预测LSTM模型构建及应用
1
作者
张超越
魏冠军
机构
兰州交通大学测绘与地理信息学院
地理国情监测技术应用国家地方联合工程研究中心
出处
《铁道科学与工程学报》
北大核心
2025年第8期3352-3363,共12页
基金
国家自然科学基金资助项目(42364003,41964008)。
文摘
提高季节性冻土区高铁路基冻深预测精度,对保证寒区高速铁路的安全调度和平稳运行具有重要意义。针对现有季冻区高铁路基冻深预测模型缺乏利用多元环境序列信息的问题,提出一种顾及导热系数与冻土环境变量的高铁路基冻深预测LSTM模型,以兰新高铁山丹马场−民乐路段DK371+900、DK383+345和DK391+9403处断面为例,对2015-2017年冻深快速增长期的路基冻深进行预测。该模型首先利用EMD算法对导热系数与冻土环境变量时序数据进行信号分解,得到一系列具有不同特征尺度的数据序列,体现出原数据的趋势与波动性,增加数据的细节和多样性;再利用KPCA算法提取出影响路基冻深的关键因子,实现数据降维,消除因EMD产生的数据冗余;最后通过LSTM网络实现基于多变量的路基冻深预测。研究结果表明:该模型较传统路基冻深预测模型、EMD-LSTM模型、多变量BP神经网络模型、多变量LSTM模型有更高的精确度。模型在3处断面路基冻深预测的平均绝对误差(f_(mae))为0.029、0.033和0.060 m;均方根误差(f_(rmse))为0.036、0.042和0.075 m;拟合优度(R2)为0.924、0.949和0.906。其f_(mae)与f_(rmse)相比于传统路基冻深预测模型最高降低了89.1%和86.8%;相比于EMD-LSTM模型最高降低了87.7%和85.7%;相比于多变量BP神经网络模型最高降低了66.3%和64.7%;相比于多变量LSTM模型最高降低了60.2%和56.7%。研究结果可为季节性冻土区高铁路基冻深预测提供一种新的参考。
关键词
高铁路基
经验模态分解
核主成分分析
长短期记忆神经网络
冻结深度预测
Keywords
high-speed railway subgrade
empirical mode decomposition
kernel principal component analysis
long short-term memory
frost heave depth prediction
分类号
TU196 [建筑科学—建筑理论]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
顾及导热系数与冻土环境变量的高铁路基冻深预测LSTM模型构建及应用
张超越
魏冠军
《铁道科学与工程学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
