一种基于深度学习的轨道监测数据自动化清洗方法

本发明公开了一种基于深度学习的轨道监测数据自动化清洗方法，属于铁路监测数据清洗领域。本方法通过建立轨道廓形与轨道监测数据之间的预测模型，利用SL‑MIL算法对轨道廓形的不规则因素进行排除。考虑多轨道行车对实际监测数据的影响，引入LA‑VD算法，实现自动化识别不同轴重及行驶速度的列车监测数据，实时判断其余轨道有列车通行时对所需监测轨道的干扰，并对干扰数据进行自动化清洗，该算法显著提高了计算效率，减少了计算时间，从而实现更加准确、有效的数据清洗。具有高适应性、高精度、高可靠性等优点，根据不同的监测数据情况自动调整调制函数的频率，适应不同情况下的影响频域数据提取。