铁路轨道结构多源数据分析方法及装置与流程

本发明涉及铁路基础设施检测领域，尤其涉及铁路轨道结构多源数据分析方法及装置。

背景技术：

1、本部分旨在为本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

2、轨道结构服役状态检测是确保铁路线路安全运营的关键内容，开展轨道多源动态检测数据分析挖掘是评估轨道结构健康状态的重要途径。轨道结构多源动态检测数据是由大型综合检测列车定期对高速铁路轨道结构进行周期性动态巡检获得，主要由多类、多个传感器采集的多维时间序列数据组成，具有多源、多维、异构以及影响因素复杂等特点。

3、检测数据异常清洗、轨道结构病害信息挖掘是轨道结构多源检测数据分析的必要环节和重要目标。然而现阶段动检数据分析存在智能化程度低、效率低、人为主观经验依赖程度大、准确性低的不足，难以满足实际需求。

技术实现思路

1、本发明实施例提供一种铁路轨道结构多源数据分析方法，用以提升轨道多源检测数据分析效率，提升轨道状态分析准确性，该方法包括：

2、获取待分析多源检测数据，通过数据异常清洗模型对待分析多源检测数据进行异常清洗，通过轨道结构分析模型对异常清洗后的待分析多源检测数据进行分析，得到铁路轨道结构多源数据分析结果；其中：

3、数据异常清洗模型按如下方式获得：

4、采集历史轨道结构数据，根据历史轨道结构数据，构建轨道结构多源检测数据集；

5、对轨道结构多源检测数据集进行处理，提取出多源检测训练集和多源检测测试集，多源检测训练集和多源检测测试集中包括轨道结构多源检测数据及对应的数据异常标签；

6、构建第一机器学习模型，根据多源检测训练集对第一机器学习模型进行训练，根据多源检测测试集对第一机器学习模型进行验证，根据验证结果调整模型参数，在验证结果准确性达到预设标准时，得到数据异常清洗模型；

7、轨道结构分析模型按如下方式获得：

8、通过数据异常清洗模型，对轨道结构多源检测数据集进行清洗，得到异常清洗后的轨道结构多源检测数据集；

9、对异常清洗后的轨道结构多源检测数据集进行处理，提取出异常清洗后的多源检测训练集和异常清洗后的多源检测测试集，异常清洗后的多源检测训练集和异常清洗后的多源检测测试集包括异常清洗后的轨道结构多源检测及对应的轨道结构分析标签；

10、构建第二机器学习模型，根据异常清洗后的多源检测训练集对第二机器学习模型进行训练，根据异常清洗后的多源检测测试集对第二机器学习模型进行验证，根据验证结果调整模型参数，在验证结果准确性达到预设标准时，得到轨道结构分析模型。

11、本发明实施例还提供一种铁路轨道结构多源数据分析装置，用以提升轨道多源检测数据分析效率，提升轨道状态分析准确性，该装置包括：

12、轨道结构分析模块，用于获取待分析多源检测数据，通过数据异常清洗模型对待分析多源检测数据进行异常清洗，通过轨道结构分析模型对异常清洗后的待分析多源检测数据进行分析，得到铁路轨道结构多源数据分析结果；

13、清洗模型构建模块，用于采集历史轨道结构数据，根据历史轨道结构数据，构建轨道结构多源检测数据集；对轨道结构多源检测数据集进行处理，提取出多源检测训练集和多源检测测试集，多源检测训练集和多源检测测试集中包括轨道结构多源检测数据及对应的数据异常标签；构建第一机器学习模型，根据多源检测训练集对第一机器学习模型进行训练，根据多源检测测试集对第一机器学习模型进行验证，根据验证结果调整模型参数，在验证结果准确性达到预设标准时，得到数据异常清洗模型；

14、分析模型构建模块，用于通过数据异常清洗模型，对轨道结构多源检测数据集进行清洗，得到异常清洗后的轨道结构多源检测数据集；对异常清洗后的轨道结构多源检测数据集进行处理，提取出异常清洗后的多源检测训练集和异常清洗后的多源检测测试集，异常清洗后的多源检测训练集和异常清洗后的和多源检测测试集包括异常清洗后的轨道结构多源检测及对应的轨道结构分析标签；构建第二机器学习模型，根据异常清洗后的多源检测训练集对第二机器学习模型进行训练，根据异常清洗后的多源检测测试集对第二机器学习模型进行验证，根据验证结果调整模型参数，在验证结果准确性达到预设标准时，得到轨道结构分析模型。

15、本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述铁路轨道结构多源数据分析方法。

16、本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述铁路轨道结构多源数据分析方法。

17、本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述铁路轨道结构多源数据分析方法。

18、本发明实施例中，获取待分析多源检测数据，通过数据异常清洗模型对待分析多源检测数据进行异常清洗，通过轨道结构分析模型对异常清洗后的待分析多源检测数据进行分析，得到铁路轨道结构多源数据分析结果；其中：数据异常清洗模型按如下方式获得：采集历史轨道结构数据，根据历史轨道结构数据，构建轨道结构多源检测数据集；对轨道结构多源检测数据集进行处理，提取出多源检测训练集和多源检测测试集，多源检测训练集和多源检测测试集中包括轨道结构多源检测数据及对应的数据异常标签；构建第一机器学习模型，根据多源检测训练集对第一机器学习模型进行训练，根据多源检测测试集对第一机器学习模型进行验证，根据验证结果调整模型参数，在验证结果准确性达到预设标准时，得到数据异常清洗模型；轨道结构分析模型按如下方式获得：通过数据异常清洗模型，对轨道结构多源检测数据集进行清洗，得到异常清洗后的轨道结构多源检测数据集；对异常清洗后的轨道结构多源检测数据集进行处理，提取出异常清洗后的多源检测训练集和异常清洗后的多源检测测试集，异常清洗后的多源检测训练集和异常清洗后的多源检测测试集包括异常清洗后的轨道结构多源检测及对应的轨道结构分析标签；构建第二机器学习模型，根据异常清洗后的多源检测训练集对第二机器学习模型进行训练，根据异常清洗后的多源检测测试集对第二机器学习模型进行验证，根据验证结果调整模型参数，在验证结果准确性达到预设标准时，得到轨道结构分析模型。这样，通过引入神经网络模型和交互模型，能够自主学习多源数据特征，实现高效、智能化轨道结构服役状态检测。

技术特征：

1.一种铁路轨道结构多源数据分析方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，根据历史轨道结构数据，构建轨道结构多源检测数据集，包括：

3.如权利要求1所述的方法，其特征在于，对轨道结构多源检测数据集进行处理，提取出多源检测训练集和多源检测测试集，包括：

4.如权利要求1所述的方法，其特征在于，构建第一机器学习模型，根据多源检测训练集对第一机器学习模型进行训练，包括：

5.如权利要求4所述的方法，其特征在于，通过数据异常清洗模型，对轨道结构多源检测数据集进行清洗，得到异常清洗后的轨道结构多源检测数据集，包括：

6.如权利要求1所述的方法，其特征在于，构建第二机器学习模型，根据异常清洗后的多源检测训练集对第二机器学习模型进行训练，包括：

7.如权利要求6所述的方法，其特征在于，根据异常清洗后的多源检测测试集对交互模型进行验证，包括：

8.一种铁路轨道结构多源数据分析装置，其特征在于，包括：

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一所述方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至7任一所述方法。

11.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1至7任一所述方法。

技术总结本发明公开了一种铁路轨道结构多源数据分析方法及装置，可用于铁路基础设施检测领域，该方法包括：获取待分析多源检测数据，通过数据异常清洗模型对待分析多源检测数据进行异常清洗，通过轨道结构分析模型对异常清洗后的待分析多源检测数据进行分析，得到铁路轨道结构多源数据分析结果；本发明通过引入神经网络模型和交互模型，能够自主学习多源数据特征，实现高效、智能化轨道结构服役状态检测，可以提高地层产状观测结果的精确性，减少地层产状观测的工作量。技术研发人员：尹辉,田新宇,陶凯,黄华,张英俊,苗帅杰,钟阳龙,郭剑峰,杨劲松,张一弛,念帆钧,杨莹,梁正印,刘龙辉受保护的技术使用者：中国国家铁路集团有限公司技术研发日：技术公布日：2024/11/14