公开(公告)号：CN113297790A

公开(公告)日：2021-08-24

申请号：CN202110542901.3

申请日：2021-05-19

Applicant: 哈尔滨工业大学

Inventor： 王晨岳 ,  黄永 ,  高竞泽 ,  李惠

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06N7/00 ,  G06F111/08

Abstract: 本发明提出一种基于稀疏贝叶斯宽度学习的高铁轨道响应预测方法，所述方法包括对输入的温度场变量进行线性和非线性特征提取、对隐含层神经元节点输出层权值的最大后验估计、结构响应输出结果的预测，并初步评估轨道结构状态等。本发明采用稀疏贝叶斯宽度学习方法对高铁轨道监测系统数据进行相关关系挖掘，通过对反映数据变量间关系的权值w的稀疏求解可以有效地避免回归预测的过拟合问题，并且具有较高的预测精度、高效的计算速度和宽松的设备硬件要求，从而能够实现对大量监测数据中隐含的温度荷载与结构应变相关关系的挖掘，通过及时发现监测数据模型的演变作为判别轨道结构服役状态异常的依据。

公开(公告)号：CN113297790B

公开(公告)日：2022-05-10

申请号：CN202110542901.3

申请日：2021-05-19

Applicant: 哈尔滨工业大学

Inventor： 王晨岳 ,  黄永 ,  高竞泽 ,  李惠

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06N7/00 ,  G06F111/08

Abstract: 本发明提出一种基于稀疏贝叶斯宽度学习的高铁轨道响应预测方法，所述方法包括对输入的温度场变量进行线性和非线性特征提取、对隐含层神经元节点输出层权值的最大后验估计、结构响应输出结果的预测，并初步评估轨道结构状态等。本发明采用稀疏贝叶斯宽度学习方法对高铁轨道监测系统数据进行相关关系挖掘，通过对反映数据变量间关系的权值w的稀疏求解可以有效地避免回归预测的过拟合问题，并且具有较高的预测精度、高效的计算速度和宽松的设备硬件要求，从而能够实现对大量监测数据中隐含的温度荷载与结构应变相关关系的挖掘，通过及时发现监测数据模型的演变作为判别轨道结构服役状态异常的依据。