一种铁路沿线沉降时空预测方法及装置

AITNT
正文
推荐专利
一种铁路沿线沉降时空预测方法及装置
申请号:CN202510797140
申请日期:2025-06-16
公开号:CN120706630A
公开日期:2025-09-26
类型:发明专利
摘要
本发明提供一种铁路沿线沉降时空预测方法及装置。该预测方法包括:基于对铁路沿线进行监测获取的监测数据,识别不稳定靶区;获取不稳定靶区内每个监测点的时序沉降数据,并利用最优降噪模型进行降噪处理,得到每个监测点降噪处理后的时序沉降数据;基于预设距离阈值和不稳定靶区内每两个监测点之间的距离,获取邻接矩阵及度矩阵;基于每个监测点降噪处理后的时序沉降数据、邻接矩阵以及度矩阵,利用GCN‑LSTM预测模型,采用滚动预测方法对每个监测点的时序沉降数据进行超前预测,获取每个监测点的超前预测集。本发明通过构建“空间‑时序”耦合特征的GCN‑LSTM预测模型对监测点的时序沉降数据进行超前预测,具有预测精度高的优点。
技术关键词
时空预测方法 监测点 时序预测模型 长短期记忆网络 支持向量回归模型 降噪模型 车辆平台 巡检数据 输出特征 航天平台 指标 训练集 矩阵 精度 预测装置 关系 GCN模型 滑动窗口法
系统为您推荐了相关专利信息
1
一种滑坡监测大数据实时分析预警系统及方法
分析预警方法 空间相关矩阵 特征值 非线性 监测点
2
一种微电网源网荷储一体化优化调度方法及系统
微电网 优化调度方法 时序预测模型 负荷 储能系统
3
储能系统的多目标调度方法及装置
储能系统 历史运行数据 神经网络模型 新能源出力预测 负荷预测模型
4
新能源场站功率区间预测方法
功率区间预测方法 新能源场站 预测误差 概率密度函数 模态分解方法
5
电杆自适应环境调节与加固方法
可调节支撑装置 神经网络预测模型 强化学习算法 时间序列特征 多模态特征
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号