摘要
本发明适用于轨道交通运维技术领域,提供了一种基于概率密度演化算法的钢轨大修地段预测方法,所述方法包括:通过现场检测收集钢轨伤损数据,并将其储存到关系型数据库中,对数据进行清洗和标准化处理;对数据进行分析,包括相关性分析和钢轨状态演化模型建模;基于构建的钢轨状态演化模型进行钢轨大修地段预测;结果输出与可视化。本发明能够精确预测需要更换的钢轨地段,从而提高地铁运维管理的科学性和效率。
技术关键词
钢轨
演化算法
关系型数据库
概率密度函数
轨道交通运维技术
数据查询效率
随机森林模型
标准化方法
数据存储
索引技术
高风险
曲线
线路
决策
报告
定义
系统为您推荐了相关专利信息
贝叶斯神经网络
风电机组系统
风险监测方法
融合深度学习
风电机组故障
图像深度学习
定性定量检测方法
图像采集系统
实例分割
判断系统
综合管控平台
数据传输模块
数据采集模块
数据处理模块
数据储存模块
激光条纹图像
动态感兴趣区域
期望最大化算法
轨迹修正方法
条纹图案
钢轨
三维点云数据
语义分割网络
重建系统
汉明距离