基于提速线路TQI的轨道不平顺预测与辅助决策技术的研究
|
摘要
当前,我国既有线提速事业取得了很大的发展,但形成的速密重并举的运输组织方式却使运输与线路养护维修的矛盾日益突出,工务管理部门在建立了科学、先进的轨道检测体系的情况下,主要围绕着提高轨道平顺性来保证运行品质和解决运营与维修间的矛盾。目前随着轨检车和综合检测车的推广应用,利用轨道不平顺动态检测数据对线路养护维修进行科学管理,已成为保障行车安全和取得经济维修效益的重要手段。
本论文在应用大量轨道不平顺动态检测数据的基础上,结合工务段维修资料,对轨道不平顺区段评价指标—TQI (Track Quality Index)的时间序列进行了规律分析。应用系统工程的观点,将灰色系统不确定性理论引入轨道不平顺的预测领域,建立了轨道不平顺TITCGM(1,1)-PC灰色非线性预测模型。通过深入挖掘与提取轨道不平顺系统的辨识参数来表征系统发展过程的动态变化,结合大型养路机械的作业效果,分别对TQI时间序列的短期和中、长期预测问题进行了分析与研究。在此基础上,将TITCGM(1,1)-PC灰色预测模型应用在年度综合养护维修计划的编排中,建立基于轨道最优均衡质量状态的综合维修计划模型,为预防性维修体制下的轨道养护维修提供辅助决策指导。论文的主要研究内容和创新成果如下：
1.轨道几何不平顺检测数据预处理技术的研究。分析了轨道不平顺动态数据在检测过程中的误差产生原因和特征,针对车载检测数据中存在的粗大误差(异常值)、趋势项和检测里程不对应问题,建立起一套合理的数据预处理方法,保证了TQI时间序列数据源的准确性。
2.基于TQI时间序列的新型灰色预测模型的建立。利用灰色系统理论弱化轨道不平顺系统内各影响因素的不确定性,将TQI时间序列作为反映轨道不平顺系统发展的“白色信息”进行充分挖掘。结合TQI时间序列的发展特征,本文将其分离为趋势性成分和随机性成分。通过对灰色核心理论GM(1,1)模型进行系列的优化与改进,建立了TITCGM(1,1)模型模拟趋势性成分,又基于残差序列建立了周期性组合修正模型来模拟随机性成分,最终将两部分模型组合形成TITCGM(1,1)-PC灰色非线性预测模型,并基于MATLAB实现其算法程序。新建模型不仅能够挖掘出TQI随时间稳定发展的趋势特征,还可表现出其随机变化的波动特征。
3.基于TQI时间序列的短期预测分析。应用TITCGM(1,1)-PC模型对我国提速线路沪昆线200-250km/h速度等级不同线路类形的实测TQI进行了短期预测分析。在预测分析过程中,利用TITCGM(1,1)-PC模型的后验差和系统发展系数对TQI时间序列的趋势拟合效果、修正拟合效果进行了比较和外推可靠性检验,继而比较验证了模型的预测值与实测值。结合整公里区段的T值管理,将TITCGM(1,1)-PC预测模型应用于整公里区段TQI实测数据的短期预测中,可以合理设置维修时间,科学指导线路的养护维修。
4.基于TQI时间序列的中、长期预测模型建立与分析。结合TQI时间序列在大机作业前后的发展模式,利用TITCGM(1,1)-PC模型的时间函数特性对大机作业前维修周期内的TQI时间序列进行系统模拟分析,深入挖掘与提取轨道不平顺系统辨识参数的意义。结合大型养路机械的作业效率,将从已知稳定维修周期内TQI时间序列挖掘出的系统辨识参数作为未知各维修周期内TQI发展的特征参数,从而建立起大机作业影响下的轨道质量的中、长期预测模型,并以提速线路的实测TQI数据进行了预测分析。
5.基于轨道最优均衡质量状态的综合维修辅助决策模型的研究。将TITCGM(1,1)-PC灰色预测模型应用在年度综合维修计划的编排中,更为合理地设置了综合维修作业前后轨道不平顺系统的非线性动态发展过程,并确立单元区段轨道质量状态年度综合维修发展模式,取代了养护维修决策计划模型中的轨道不平顺线性恶化模式。结合养护维修的实际情况进行条件约束,建立起基于轨道最优均衡质量状态的综合维修辅助决策模型,使线路不仅具有较好的轨道质量状态,还能保持良好的均衡性发展,科学、经济地安排了大型养路机械的作业资源。
ABSTRACT:At present, great development has been achieved for the speed raising of the existing lines in our country, but meanwhile, the speed-density-weight developing transportation organization form makes the transportation and track maintenance become more and more contradictory. With the establishment of the scientific and advanced track inspection system, the maintenance manage department has made great efforts in the improvement of the track irregularity managements to ensure the running quality and to solve the contradiction between transportation and track maintenance. As the track inspection vehicles and comprehensive monitoring trains are putting into popularization and application, using the track dynamic inspection data to carry out scientific track maintenance management has become a significant way to ensure the safety of the running vehicles and to achieve economic benefits.
Based on the massive track dynamic inspection data and the track maintenance data, the rules of the time sequence of the track irregularity section evaluation index-TQI (Track Quality Index) have been analyzed. From the view of system engineering, the thesis introduces the grey system theory into the track irregularity prediction field, and the grey nonlinear prediction model TITCGM(1,1)-PC for track irregularity has been established. Then the dynamic variation of the development process is represented by deeply digging and extracting the significance of the identification parameters of the track irregularities development system. With the operation work of the large track maintenance machine, the short-term, mid-term and long-term TQI prediction are analyzed and studied. On this basis, the TITCGM(1,1)-PC grey prediction model are applied into the annual rehearsals of the comprehensive maintenance plans, and the predictive comprehensive maintenance model basing on the optimized balancing track quality state is set up, thus providing the decision-aided guidance for track maintenance of the predictive maintenance system. The main contents and innovations of this thesis are outlined as follows:
(1) Research on the track geometric irregularity inspection data preprocessing technology. The causes and characteristics of the errors of the track irregularities dynamic data in the inspection process are studied. According to the gross error (outliers), trend item and mileage errors within different track inspection procedures, a set of reasonable data preprocessing method is put forward, which ensures the accuracy of the TQI time sequence data source based on the inspection data.
(2) Establishment of the track irregularities prediction model based on the TQI time sequence data. The uncertainty of each influence factor within the track irregularity system itself is weakened with the grey system theory, and the TQI time sequence data are adopted as the whiten information which reflect the track irregularity system. The TQI time sequence data are divided into the trend composition and random composition according to the developing characteristic of TQI time sequence data itself. Through a series of improvements and optimizations to the core prediction theory GM(1,1) model, the trend composition is simulated by the TITCGM(1,1) model, and then the periodic combination correction model is established basing on the residual series for the simulation of the random composition. With the above two models, the TITCGM(1,1)-PC grey nonlinear prediction model is finally established. Its algorithm program is realized via MATLAB. The new model can not only dig the stable developing characteristics of the TQI, but also can represent the fluctuation characteristics of the random trend.
(3) The analysis for short term prediction based on TQI time sequence data. Using the TITCGM(1,1)-PC model, the short term prediction analysis to the different line types of the Shanghai-Kunming raising speed railway line with the speed level of 200-250km/h is made. In the prediction process, using the posterior error and the system developing coefficient of the TITCGM(1,1)-PC model, comparisons and extrapolation reliability tests are made for the TQI time sequence trend fitting effect and correction fitting effect. Then the prediction data and its true values are compared. With the T value management of the whole kilometer section and through the application of the TITCGM(1,1)-PC prediction model for short-term prediction with the whole kilometer section TQI inspection data, the scientific maintenance period and maintenance work plan can be set accordingly.
(4) The analysis model for mid-term and long-term prediction was built ba sed on TQI time sequence data. With the developing mode of TQI time sequenc e data before and after operation by the large track maintenance machine, TQI ti me sequence during maintenance cycle before large track maintenance machine o peration is simulated and analyzed, using the time function character of the TIT CGM(1,1)-PC prediction model. Then the significance of the system identification parameters of the track irregularity developing system is deeply dug and extract ed. Considering the operation efficiency of the large track maintenance machine, identification parameters of the grey theory excavated from TQI time sequence d uring known and stable maintenance cycle are used for the characteristic paramet ers development of TQI in each unknown maintenance period. The track irregula rity mid-term and long-term prediction model is established considering the influe nce of the large track maintenance machine. In this way, the prediction is made using the TQI inspection data obtained from the raising speed line.
(5) Research on the comprehensive maintenance decision-aided model based on the optimized balancing quality state. The grey prediction model TITCGM(1,1)-PC is applied in the annual rehearsals of the comprehensive maintenance plan, which sets the nonlinear dynamic developing process of the track irregularity system before and after the comprehensive maintenance work more reasonably. Then the unit section track quality state annual comprehensive developing mode is determined, which replaced the linear deterioration developing mode in the decision-aided maintenance plan model. With the actual maintenance situation as the condition restriction, the preventive comprehensive maintenance plan model of the optimized balancing track quality is established. In this way, the line can not only serve at a relatively high track quality state, but also maintain a balancing development, which makes the arrangements for the working resources of the large machine both scientific and economical.
本论文在应用大量轨道不平顺动态检测数据的基础上,结合工务段维修资料,对轨道不平顺区段评价指标—TQI (Track Quality Index)的时间序列进行了规律分析。应用系统工程的观点,将灰色系统不确定性理论引入轨道不平顺的预测领域,建立了轨道不平顺TITCGM(1,1)-PC灰色非线性预测模型。通过深入挖掘与提取轨道不平顺系统的辨识参数来表征系统发展过程的动态变化,结合大型养路机械的作业效果,分别对TQI时间序列的短期和中、长期预测问题进行了分析与研究。在此基础上,将TITCGM(1,1)-PC灰色预测模型应用在年度综合养护维修计划的编排中,建立基于轨道最优均衡质量状态的综合维修计划模型,为预防性维修体制下的轨道养护维修提供辅助决策指导。论文的主要研究内容和创新成果如下：
1.轨道几何不平顺检测数据预处理技术的研究。分析了轨道不平顺动态数据在检测过程中的误差产生原因和特征,针对车载检测数据中存在的粗大误差(异常值)、趋势项和检测里程不对应问题,建立起一套合理的数据预处理方法,保证了TQI时间序列数据源的准确性。
2.基于TQI时间序列的新型灰色预测模型的建立。利用灰色系统理论弱化轨道不平顺系统内各影响因素的不确定性,将TQI时间序列作为反映轨道不平顺系统发展的“白色信息”进行充分挖掘。结合TQI时间序列的发展特征,本文将其分离为趋势性成分和随机性成分。通过对灰色核心理论GM(1,1)模型进行系列的优化与改进,建立了TITCGM(1,1)模型模拟趋势性成分,又基于残差序列建立了周期性组合修正模型来模拟随机性成分,最终将两部分模型组合形成TITCGM(1,1)-PC灰色非线性预测模型,并基于MATLAB实现其算法程序。新建模型不仅能够挖掘出TQI随时间稳定发展的趋势特征,还可表现出其随机变化的波动特征。
3.基于TQI时间序列的短期预测分析。应用TITCGM(1,1)-PC模型对我国提速线路沪昆线200-250km/h速度等级不同线路类形的实测TQI进行了短期预测分析。在预测分析过程中,利用TITCGM(1,1)-PC模型的后验差和系统发展系数对TQI时间序列的趋势拟合效果、修正拟合效果进行了比较和外推可靠性检验,继而比较验证了模型的预测值与实测值。结合整公里区段的T值管理,将TITCGM(1,1)-PC预测模型应用于整公里区段TQI实测数据的短期预测中,可以合理设置维修时间,科学指导线路的养护维修。
4.基于TQI时间序列的中、长期预测模型建立与分析。结合TQI时间序列在大机作业前后的发展模式,利用TITCGM(1,1)-PC模型的时间函数特性对大机作业前维修周期内的TQI时间序列进行系统模拟分析,深入挖掘与提取轨道不平顺系统辨识参数的意义。结合大型养路机械的作业效率,将从已知稳定维修周期内TQI时间序列挖掘出的系统辨识参数作为未知各维修周期内TQI发展的特征参数,从而建立起大机作业影响下的轨道质量的中、长期预测模型,并以提速线路的实测TQI数据进行了预测分析。
5.基于轨道最优均衡质量状态的综合维修辅助决策模型的研究。将TITCGM(1,1)-PC灰色预测模型应用在年度综合维修计划的编排中,更为合理地设置了综合维修作业前后轨道不平顺系统的非线性动态发展过程,并确立单元区段轨道质量状态年度综合维修发展模式,取代了养护维修决策计划模型中的轨道不平顺线性恶化模式。结合养护维修的实际情况进行条件约束,建立起基于轨道最优均衡质量状态的综合维修辅助决策模型,使线路不仅具有较好的轨道质量状态,还能保持良好的均衡性发展,科学、经济地安排了大型养路机械的作业资源。
ABSTRACT:At present, great development has been achieved for the speed raising of the existing lines in our country, but meanwhile, the speed-density-weight developing transportation organization form makes the transportation and track maintenance become more and more contradictory. With the establishment of the scientific and advanced track inspection system, the maintenance manage department has made great efforts in the improvement of the track irregularity managements to ensure the running quality and to solve the contradiction between transportation and track maintenance. As the track inspection vehicles and comprehensive monitoring trains are putting into popularization and application, using the track dynamic inspection data to carry out scientific track maintenance management has become a significant way to ensure the safety of the running vehicles and to achieve economic benefits.
Based on the massive track dynamic inspection data and the track maintenance data, the rules of the time sequence of the track irregularity section evaluation index-TQI (Track Quality Index) have been analyzed. From the view of system engineering, the thesis introduces the grey system theory into the track irregularity prediction field, and the grey nonlinear prediction model TITCGM(1,1)-PC for track irregularity has been established. Then the dynamic variation of the development process is represented by deeply digging and extracting the significance of the identification parameters of the track irregularities development system. With the operation work of the large track maintenance machine, the short-term, mid-term and long-term TQI prediction are analyzed and studied. On this basis, the TITCGM(1,1)-PC grey prediction model are applied into the annual rehearsals of the comprehensive maintenance plans, and the predictive comprehensive maintenance model basing on the optimized balancing track quality state is set up, thus providing the decision-aided guidance for track maintenance of the predictive maintenance system. The main contents and innovations of this thesis are outlined as follows:
(1) Research on the track geometric irregularity inspection data preprocessing technology. The causes and characteristics of the errors of the track irregularities dynamic data in the inspection process are studied. According to the gross error (outliers), trend item and mileage errors within different track inspection procedures, a set of reasonable data preprocessing method is put forward, which ensures the accuracy of the TQI time sequence data source based on the inspection data.
(2) Establishment of the track irregularities prediction model based on the TQI time sequence data. The uncertainty of each influence factor within the track irregularity system itself is weakened with the grey system theory, and the TQI time sequence data are adopted as the whiten information which reflect the track irregularity system. The TQI time sequence data are divided into the trend composition and random composition according to the developing characteristic of TQI time sequence data itself. Through a series of improvements and optimizations to the core prediction theory GM(1,1) model, the trend composition is simulated by the TITCGM(1,1) model, and then the periodic combination correction model is established basing on the residual series for the simulation of the random composition. With the above two models, the TITCGM(1,1)-PC grey nonlinear prediction model is finally established. Its algorithm program is realized via MATLAB. The new model can not only dig the stable developing characteristics of the TQI, but also can represent the fluctuation characteristics of the random trend.
(3) The analysis for short term prediction based on TQI time sequence data. Using the TITCGM(1,1)-PC model, the short term prediction analysis to the different line types of the Shanghai-Kunming raising speed railway line with the speed level of 200-250km/h is made. In the prediction process, using the posterior error and the system developing coefficient of the TITCGM(1,1)-PC model, comparisons and extrapolation reliability tests are made for the TQI time sequence trend fitting effect and correction fitting effect. Then the prediction data and its true values are compared. With the T value management of the whole kilometer section and through the application of the TITCGM(1,1)-PC prediction model for short-term prediction with the whole kilometer section TQI inspection data, the scientific maintenance period and maintenance work plan can be set accordingly.
(4) The analysis model for mid-term and long-term prediction was built ba sed on TQI time sequence data. With the developing mode of TQI time sequenc e data before and after operation by the large track maintenance machine, TQI ti me sequence during maintenance cycle before large track maintenance machine o peration is simulated and analyzed, using the time function character of the TIT CGM(1,1)-PC prediction model. Then the significance of the system identification parameters of the track irregularity developing system is deeply dug and extract ed. Considering the operation efficiency of the large track maintenance machine, identification parameters of the grey theory excavated from TQI time sequence d uring known and stable maintenance cycle are used for the characteristic paramet ers development of TQI in each unknown maintenance period. The track irregula rity mid-term and long-term prediction model is established considering the influe nce of the large track maintenance machine. In this way, the prediction is made using the TQI inspection data obtained from the raising speed line.
(5) Research on the comprehensive maintenance decision-aided model based on the optimized balancing quality state. The grey prediction model TITCGM(1,1)-PC is applied in the annual rehearsals of the comprehensive maintenance plan, which sets the nonlinear dynamic developing process of the track irregularity system before and after the comprehensive maintenance work more reasonably. Then the unit section track quality state annual comprehensive developing mode is determined, which replaced the linear deterioration developing mode in the decision-aided maintenance plan model. With the actual maintenance situation as the condition restriction, the preventive comprehensive maintenance plan model of the optimized balancing track quality is established. In this way, the line can not only serve at a relatively high track quality state, but also maintain a balancing development, which makes the arrangements for the working resources of the large machine both scientific and economical.
引文
[1]何华武.中国铁路既有线200km/h等级提速技术[M].北京：中国铁道出版社,2007
[2]华茂崑.中国铁路提速之路[M].北京：中国铁道出版社,2003
[3]中国铁道学会.中国铁路大提速[M].北京：中国铁道出版社,2008
[4]铁路科学技术司.铁路科技发展“十一五”计划和2020年长期规划纲要[J].中国铁路,2004(11)
[5]铁道部.铁路科技发展“十五”计划和2015年长期规划纲要[J].中国铁路.2002(3)：11-16
[6]罗林,张格明,吴旺青,柴雪松.轮轨系统轨道平顺状态的控制[M].北京：中国铁道出版社,2006
[7]翟婉明.车辆-轨道耦合动力学[M].第三版.北京：科学出版社,2007
[8]王其昌.高速铁路土木工程[M].成都：西南交通大学出版社,2000
[9]许玉德,轨道不平顺预测理论及辅助决策系统的研究[D].北京：北京交通大学,2003
[10]刘国强,颜颖.国内外高速铁路线路养护维修分析[J].中国铁路,2006(10)：57-59
[11]贺振中.美国铁路线路维修管理技术的新进展；中国铁道科学技术的进步与发展[M].北京：中国铁道出版社,2000
[12]佐藤吉彦.新轨道力学[M],徐涌,等译.北京：中国铁道出版社,2001
[13]赵国堂编.轨检车技术现状与发展[M].北京：中国铁道出版社,2001
[14]张未.GJ-4型轨道检查车的原理和应用[M].北京：中国铁道出版社,2001
[15]邓学通.准高速轨检车检测原理及应用[M].北京：中国铁道出版社,2004
[16]刘铁,任盛伟,许贵阳.GJ-4型轨检车轨距-轨向检测系统改造[J].中国铁道科学,2006,27(6)：137-140
[17]赵钢,刘维桢,陈东生,周正.GJ-5型轨检车软件的自主研发[J].铁道建筑.2004(12)：45-46
[18]黎国清,杨爱红,许贵阳.既有线提速综合检测技术研究与应用[J].中国铁路,2008(5)：20-22,24
[19]徐其瑞,许建明,黎国清.轨道检查车技术的发展与应用[J].中国铁路,2005(9)：37-39
[20]魏世斌,刘伶萍.提速线路轨道长波不平顺检测技术[J],中国铁道科学,2010,31(2)：141-144
[21]陈东生,田新宇.中国高速铁路轨道检测技术发展[J].铁道建筑,2008(12)：82-86
[22]刘志军部长在全国铁路运输安全工作会议上的讲话,2007,人民铁道报
[23]许玉德,李海峰,戴月辉.轨道交通工务管理[M].上海：同济大学出版社,2007
[24]卢祖文.铁路轨道结构及修理[M].北京：中国铁道出版社,2002
[25]铁路线路修理规则[S].北京：中国铁道出版社.2008
[26]关于印发《既有线轨道不平顺质量指数标准及管理暂行办法》的通知,运基线路[2009]41号,中华人民共和国铁道部运输局
[27]既有线轨道不平顺质量指数标准及管理暂行办法[S].北京：铁道部运输局,2009
[28]刘秀波,铁路干线轨道不平顺谱的研究[D].北京：北京交通大学,2006
[29]王卫东,刘金朝,梁志明.综合评价车辆/轨道动态特性的广义能量法[J].中国铁道科学,2009,30(5)：22-27
[30]梁志明,王卫东.基于功能转化原理的车辆—轨道系统脱轨安全性研究[J].中国铁道科学,2009,30(2)：14-17
[31]王卫东,刘金朝,赵钢等.综合评价车辆/轨道动态特性的广义能量及其在晃车分析中的应用[A].中国铁道科学研究六十周年学术论文集[C],北京：中国铁道出版社,2010.
[32]基于轨检数据的轨道状态预测和维修辅助决策方法的研究[R].中国铁道科学研究院,2009.2
[33]翁绍德,罗林.法铁线路保持平顺稳定的技术和经验一考察法铁线路的心得体会[J],铁道建筑,1991(1)：3-8
[34]杨凤春,发挥轨道质量指数(TQI)指导预防性计划维修中的作用[J].铁道建筑,1997(4)：12-15
[35]蓝亮文,关于应用轨道质量指数技术指导线路养护维修作业的探索[J].上海铁道科技,2002(4)：9-11
[36]许玉德.轨道不平顺半峰值和标准差的相关性分析[J]铁道科学与工程学报,2005(4)：26-30
[37]许玉德,周宇.既有线轨道质量指数的分布与不平顺权重系数统计分析[J].中国铁道科学,2006.27(4)：71-75
[38]李继伟.TQI在成都局线路维修中的应用研究[D].西南交通大学,2006.09
[39]钟进军.轨道平顺状态均值管理的理论与应用探讨[J].上海铁道科技2008,(3)：20-22,28
[40]田新宇,陈东生,杨凤春.轨道几何不平顺幅值管理与均值管理的相关性分析[J].中国铁路,2008(11)：48-50
[41]高建敏,翟婉明,徐涌.既有干线轨道不平顺区段管理长度分析[J].铁道建筑,2009(5)：105-108
[45]杉山德平,家田仁.轨道狂ぃ状态を考虑した轨道破坏の要因分析[J].铁道線路,1986(9)：8-12
[46]杉山德平等.保线6支区で调查した轨道破坏と轨道补修作业量の关系解析[J].铁道腺路,1980(2)：68-73
[47]杉山德平,家田仁.轨道狂ぃ状态を考虑した轨道破坏の要因分析[J].铁道線路,1986,34(9)：8-12
[53]三和雅史,内田雅夫.轨道状态推移モデルの设定と轨道保守施策决定法[J].铁道道総研报告,1996(4)：7-12
[56]藤森聪二.利用传递函数推断法评价捣固车的作业效果[J].铁道技术研究所速报.A-83-137,1983.10
[59]中华人民共和国铁道部.铁路工务管理信息系统(PWMIS)用户使用手册[R].北京：中华人民共和国铁道部,2000
[60]Track E.R.Computer-based maintenance planning on CN railways.RT&S.1991(26).VOL.87, NO.10:18-20
[61]Modeling and maintenance planning. RT&S.1994(21) VOL.90,NO.8
[62]James P. Fractal analysis of geometry data for railway track condition assessment. Doctor of Philosophy Thesis, Department of Civil and Environmental Engineering, University of Massachusetts, Amherst, MA,2002
[63]Daniel K. Optimal estimation and rail tracking analysis. Doctor of Philosophy Thesis, Department of Civil and Environmental Engineering, University of Massachusetts, Amherst, MA,2005
[64]许玉德,吴纪才.利用线性预测模型分析轨道不平顺发展[J].石家庄铁道学院学报.2005,18(3)：6-9
[65]陈宪麦,王澜,杨凤春,柴雪松,吴旺青.用于铁路轨道不平顺预测的综合因子法[J].中国铁道科学,2006,27(6)：27-31
[66]陈宪麦.轨道不平顺时频域分析及预测方法的研究[D].铁道科学研究院,2006.08
[67]许玉德,李海峰,周宇.铁路轨道高低不平顺的预测方法[J].同济大学学报,2003,31(3)：291-295
[68]王建西,李海锋,许玉德.基于概率分布推移变化的铁路轨道几何状态评价与预测方法[J],中国铁道科学；2008年05期：31-34
[69]周宇,许玉德,李浩然.轨道不平顺非线性预测模型[J].交通运输工程学报,2004,4(4)：21-24
[75]土居加安.考虑轨道几何不平顺的MTT捣固计划[J].日本铁道施设协会志.2003(2)：144-146
[76]S JOVANOVIC.Modern Railway Infrastructure Asset management[C].Proceedings of the 24th Southern African Transport Conference(SATC 2005)
[77]Rivier,R.E.,Korpanec,I.,ECOTRACK:a Tool to reduce the Life Cycle Costs of the Track,Proceedings of the World Congress on Railway Research,Vol.B.pp.289-295,Florence,16-19 November1997
[78]许玉德,曾学贵.建立整数型轨道状态最优综合维修计划模型[J].铁道学报,2003.25(6)：85-88
[79]周宇.基于遗传算法的轨道综合养护决策系统的研究[D].上海：同济大学,2006
[80]周宇,许玉德,基于遗传算法的轨道状态最优综合维修计划模型改进[J].华东交通大学学报.2005,22(1)：15-20
[81]周宇,许玉德.基于遗传算法的轨道综合养护计划模型设计[J].同济大学学报(自然科学版).2005,33(1])：1464-1468
[82]李海峰.有碴轨道结构的变形设计及其几何状态行为理论的研究[D].上海：同济大学,2006,12
[83]刘思峰,党耀国,方志耕.灰色系统理论及其应用[M].北京：科学出版社,2007
[84]邓聚龙.灰色系统基本方法[M].武汉：华中工学院出版社,1987
[85]邓聚龙.灰色系统理论教程[M.武汉：华中理工大学出版社,1990
[86]邓聚龙.灰色系统理论教程[M].武汉：华中理工大学出版社,2002
[87]邓聚龙.灰色预测与决策[M].武汉：华中工学院出版社,1986
[88]邓聚龙.灰预测与灰决策[M].武汉：华中科技大学出版社,2000
[89]邓聚龙.灰色控制系统[M].武汉：华中工学院出版社,1985
[90]尹逊震.灰色模型的改进及其应用[D].南京：南京信息工程大学,2007.5
[91]刘思峰.灰色系统理论的产生、发展及前沿动态[A].见：2003年中国管理科学学术会议论文集[C],2003
[92]刘思峰.走向世界的灰色系统理论[A].新型工业化道路与城市发展模式及途径—中国科协2003年学术年会30分会场论文集[C],2003
[93]Lin Yi & Liu Sifeng, Law of Exponentiality an Exponential Curve Fitting, System Analysis Modelling Simulation (SAMS),2000
[94]Deng Julong, Negative Power AGO in Grey Theory, The Journal of Grey System, Vol.13, No.3, 2001
[95]小野重亮,沼仓明夫,尾高达男.高速轨道检查技术[J].中国铁路,2006(9)：50-51,66
[96]周正,赵国堂.轨道质量指数计算问题的探讨[J].中国铁道科学,2003,24(3)：64-68
[97]王伟,廖玉凤.铁路提速后轨检车检测性能分析与研究[J].上海铁道科技2006(6)：38-39
[98]蓝亮文.提高新型轨检车数据处理能力的研究[J].铁道标准设计,2003(5)：65-67
[99]梁勇.GPS卫星定位系统在轨道检查车里程校正系统中的应用[J].铁道建筑.2008(11)：96-98
[100]杨超,王卫东.GPS里程自动修正系统的原理与应用[J].铁路计算机应用,2009(5)：33-35
[101]吴纪才,许玉德.轨道不平顺噪音去除及其评价方法[J].华东交通大学学报,2004,21(5)：95-99
[102]GB4883-85数据的统计处理和解释—正态样本异常值的判断和处理[S].北京：国家标准局,1985
[103]BIPM,IEC,IFCC,ISO,IU PAC,IU PA P, OIML国际通用计量学基本术语定义[M].第二版.鲁绍曾译.北京：中国计量出版社,1993
[104]何平.剔除测量数据中异常值的若干方法[J].航空计测技术,1995,15(1)：19-22
[105]周伦,宋志东.应用Origin剔除弹药实验数据中的异常值[J].国防技术基础,2008(11)：31-33
[106]熊艳艳,吴先球.粗大误差四种判别准则的比较和应用[J].大学物理实验,2010,23(1)：66-68
[107]鲁绍曾.现代计量学概论[M].北京：中国计量出版社,1987
[108]费业泰.误差理论与数据处理[M].北京：机械工业出版社,1981
[109]黄俊钦.测试误差分析与数学模型[M].北京：国防工业出版社,1985
[110]盛旺,刘文彦.动态测量误差的软件处理方法[J].自动化仪表2003(11)：20-23
[111]杨世杰.动态测试数据中坏点处理的一种新方法—绝对均值法及应用研究[J].中国测试技术2006,32(1)：47-49,82
[112]程正兴.小波分析算法与应用[M].西安：西安交通大学出版社,1998
[113]胡昌华,张军波,夏军,等.基于MATLAB的系统分析与设计—小波分析[M].西安：西安电子科技大学出版社,2000
[114]罗航,黄建国,龙兵,王厚军.基于相关系数方法的样本失效分布研究[J].系统工程与电子技术,2009,31(7)：1776-1781
[115]许心越.基于轨检车检测数据的轨道状态预测模型研究[D].北京：北京交通大学,2007.12
[116]刘思峰,邓聚龙.GM(1,1)模型的适用范围[J].系统工程理论与实践,2000(5)：121-124
[117]龚蓬.动态测量误差修正灰色建模与应用技术研究[D].合肥：合肥工业大学,1999.12
[118]王志勇.数据挖掘方法在短期负荷预测中的应用研究[D].浙江大学.2007.9
[119]王开友,陈定元.灰色(1,1)模型建模的理论探讨[J].安庆师范学院学报(自然科学版).2008,14(3)：23-25
[120]庄恒扬.GM(1,1)建模机理与应用条件分析及其改进方法[J].江苏农学院学报,1993,14(4)：19-24
[121]胡斌,曾学贵.不等时距灰色预测模型[J].北方交通大学学报,1998,2(1)：34-38.
[122]王在泉.泥化夹层长期强度的灰色预测[J].金属矿山,1998(2)：16-20
[123]韩汝才,李亮,傅鹤林.利用灰色理论对地基沉降进行不等时距预测[J].探矿工程,2000(2)：4-5
[124]罗佑新,周继容.非等间距GM(1,1)模型及其在疲劳试验数据处理和疲劳试验在线检测中的应用[J].机械强度,1996,18(3)：60-63
[125]雷学文,白世伟,孟庆山.灰色预测在软土地基沉降分析中的应用[J].岩土力学,2000,3(2)：145-147
[126]张成良,刘小泉.三次样条插值曲线在Asaoka法中的应用[J].岩土工程技术,2006,20(1)：21-24
[127]王晖光,陆键.基于三弯矩样条函数插值模型的非等距时序灰色预测方法[J].公路交通科技,2006,23(6)：53-55,76
[128]王钟羡,吴春笃,史雪荣.非等间距序列的灰色模型[J].数学的实践与认识,2003,33(10)：16-20
[129]戴文战,李俊峰.非等间距GM(1,1)模型建模研究[J].系统工程理论与实践,2005(9)：89-93
[130]王丰效,郭天印.基于中心逼近的非等距灰色模型[J].陕西理工学院学报,2007,23(2)：78-81.
[131]蒋卫东,李夕兵,赵国彦.非等时序列预测的时数分离研究[J].系统工程理论与实践,2003,23(01)：68-72
[132]陈有亮.非等距时序灰色预测方法及其在岩石力学与工程中的应用[J].系统工程理论与实践,2003(11)：130-134.
[133]郭丽萍,孙伟,郑克仁等.非等时距GM(1,1)直接模型及其在材料试验数据处理中的应用[J].东南大学学报(自然科学版),2004,34(6)：833-837
[134]吴清海.非等间距灰色模型在沉降预测中的应用[J].淮海工学院学报(自然科学版),2006,15(4)：68-70
[135]王庆中,李康.非等时距GM(1,1)灰色模型在软土路基沉降预测中的应用[J].现代交通技术,2007,4(2)：4-6,33
[136]李战胜,宋建学,卢洪龙.不等时距GM(1,1)模型在建筑沉降预测中可行性研究[J].建筑技术开发,2007,34(3)：25-27
[137]乔正明,王成杰,蒋艳.基于分形插值函数模型的非等距时序灰色预测方法[J].统计与决策,2007(12)：29-31
[138]傅立.灰色系统理论及其应用[M].北京：科学技术文献出版社,1992
[139]罗党,刘思峰,党耀国.灰色模型GM(1,1)优化[J].中国工程科学,2003,5(8)：50-53
[140]谭冠军.GM(1,1)模型的背景值构造方法和应用Ⅰ[J].系统工程理论与实践,2000,20(4)：98-103.
[141]谭冠军.GM(1,1)模型的背景值构造方法和应用Ⅱ[J].系统工程理论与实践,2000,20(5)：125-127,132
[142]谭冠军.GM(1,1)模型的背景值构造方法和应用Ⅲ[J].系统工程理论与实践,2000,20(6)：70-75
[143]Wang Feng-xiao.Improvement on unequal interval gray forecast model[J].Fuzzy Information and Engineering,2006,6(1):118-123
[144]李翠凤,戴文战.非等间距GM(1,1)模型背景值构造方法及应用[J].清华大学学报(自然科学版),2007,47(52)：1729-1732
[145]王叶梅,党耀国,王正新.非等间距GM(1,1)模型背景值的优化[J].中国管理科学,2008,16(4)：159-162
[146]张大海,江世芳,史开泉.灰色预测公式的理论缺陷及改进[J].系统工程理论与实践,2002,(8)：140-142
[147]王丰效.基于初值修正的非等距灰色预测模型[J].重庆师范大学学报(自然科学版),2006,23(3)：159-162
[148]党耀国,刘思峰,刘斌.以x(1)(n)为初始条件的GM模型[J].中国管理科学,2005,13(1)：132-135
[149]耿继进.时变参数灰色模型[J].武测科技,1994(2)：29-32
[150]王金柱.灰色GM(1,1)模型中时变参数估计问题的研究[J].青岛大学学报(工程技术版).2000,15(2)：67-68
[151]罗鄂湘,钱省三,李锐.可变参数动态灰色预测模型的建立与实证研究[J].上海理工大学学报.2006,28(5)：465-468
[152]汪孔政,时变参数模型用于滑坡位移量预测的研究[J].灾害学,2007.22(2)：18-20
[153]张仪萍,俞亚南,张土乔.时变参数灰色沉降预测模型及其应用[J].浙江大学学报,2002,36(4)：357-360
[154]张仪萍,俞亚南,张土乔.时变参数预测模型及其在沉降预测中的应用[J].土木工程学报,2003,36(12)：83-86
[155]柳治国,陈善雄.沉降预测的等步长灰色时变参数模型[J].土工基础,2005,19(2)：32-35
[156]柳治国,陈善雄,徐海滨.沉降预测的非等步长灰色时变参数模型[J].岩土力学,2004,25(12)：1919-1922
[157]史雪荣,王作雷,张正娣.变参数非等间距GM(1,1)模型及应用[J].数学的实践与认识,2006,36(6)：216-220
[158]王成亮.用灰色与周期残差迭加模型推测地下水位未来动态[J].华北地震科学,1993,17(1)：31-371
[159]黄登宇,陈建文,刘志广等.山西省东亚飞蝗发生的灰色动态预测及其周期分析[J].农业系统科学与综合研究,2003,19(3)：161-163
[160]刘从柱,费良军,赵新宇,刘健雄.正弦修正灰色模型在灌区引水量预测上的应用[J].人民黄河,2006,28(12)：46-47
[161]张文,温荣生,邱淑芳.基于背景值重构的灰色-马尔柯夫模型及其应用[J].东华理工学院学报,2007,30(1)：96-100
[162]叶明全,胡学.GM(1,1)残差修正的季节性神经网络预测模型及其应用[J].计算机工程与应用,2005(1)：194-196
[163]宋巧娜,唐德善.城市工业用水的灰色马尔可夫预测模型[J].节水灌溉,2007,(5)：54-56
[164]曲建军,高亮,辛涛,郑晓莉.基于改进灰色-马尔可夫链的轨道不平顺发展预测方法的研究[J].北京交通大学学报.2010(4)：107-111
[165]高曙.基于残差变化趋势的GM(1,1)修正模型的算法实现与应用[J].武汉理工大学学报(信息与管理工程版),2003,25(6)：17-19
[166]Lin Yi & Liu Sifeng, Regional Economic Planning Based on Systemic Analysis of Small Samples (Ⅱ), Problems of Nonlinear Analysis in Engineering System, Vol.6 No.11 2000
[167]DENG Julong.The control problem of grey systems[J].Systems and Control Letters, 1982,11(5):285-294.
[168]Yo-Ping Huang.The identification of fuzzy grey prediction system by genetic algorithm [J].International Journal of System Science,1999,29(4):147-156
[169]Shinh Jer Huang, Ruey-Jing Lian.A fuzzy controller with grey prediction for robot motion control [J].International Journal of System Science,1999,29(4):312-325
[170]Hiuh-Jer Huang,Chen-Lo Huang. Control of inverted rendulun using grey prediction model[J].IEEE Trans Industry App lications,2000,36(2):567-574
[171]Yen-Tseng Hsu, Jeromy Yeh. A novel image compressing using grey models on dynamic window [J].International Journal of Systems Science,2000,31(9):433-446
[172]Fiona T Muray,John V Ringwood,Paul C Austin. Integration of multi-time-scale models in time series forecasting[J].International Journal of System s Science,2000,31(10):245-257
[173]Ackoff, R.L., Science in the System Age:Beyond IE. OR. And MS, Operation Research, Vol.21, No.3
[174]Checkland, P, An Introduction to Management Science:Quantitative Approaches to Decision-Making, St.Paul:West Pub. Co.,1982
[175]Churchman, G.W, The System Approach and Its Enemies, New York:Basic Books,1979
[176]James W. Friedman. Game theory with application to economics [M]. New York:Oxford
[177]曹弋,MATLAB教程及实训[M]机械工业出版社,2008
[178]雷鸣雳,冯祖仁.内变量参数辨识的灰色电价预测模型[J].西南交通大学学报,2009,43(8)：86-89
[179]刘金英,灰色预测理论与评价方法在水环境中的应用研究[D].吉林大学.2004.10
[180]李俊峰.灰色系统理论及其在铁谱磨粒图像处理中的应用研究[D].东华大学.2009.11
[181]孙海军.基于灰色模型永磁无轴承电机无位置传感器控制[D].沈阳工业大学,2010.3
[182]韩志青.大型养路机械的维修模式[J].中国铁路,1996(12)：21-24
[183]付光志.我国大型养路机械的现状及发展[J].铁道标准设计,1999(11)：30-31
[184]束永政.论提高大型机械线路维修质量的途径[J].上海铁道科技,2000,(3)3：26-28
[185]李海锋,许玉德.计算机编制铁路轨道养护维修计划的方法[J].同济大学学报,2004,(3)：480-484
[186]李惠春译,轨道维修计划决策支持系统[J].铁道技术监督.2002(5)：36-37
[187]李海锋,许玉德,王建西.轨道几何状态均匀性指数及其应用[J].同济大学学报(自然科学版),2009(4)：495-499
[2]华茂崑.中国铁路提速之路[M].北京：中国铁道出版社,2003
[3]中国铁道学会.中国铁路大提速[M].北京：中国铁道出版社,2008
[4]铁路科学技术司.铁路科技发展“十一五”计划和2020年长期规划纲要[J].中国铁路,2004(11)
[5]铁道部.铁路科技发展“十五”计划和2015年长期规划纲要[J].中国铁路.2002(3)：11-16
[6]罗林,张格明,吴旺青,柴雪松.轮轨系统轨道平顺状态的控制[M].北京：中国铁道出版社,2006
[7]翟婉明.车辆-轨道耦合动力学[M].第三版.北京：科学出版社,2007
[8]王其昌.高速铁路土木工程[M].成都：西南交通大学出版社,2000
[9]许玉德,轨道不平顺预测理论及辅助决策系统的研究[D].北京：北京交通大学,2003
[10]刘国强,颜颖.国内外高速铁路线路养护维修分析[J].中国铁路,2006(10)：57-59
[11]贺振中.美国铁路线路维修管理技术的新进展；中国铁道科学技术的进步与发展[M].北京：中国铁道出版社,2000
[12]佐藤吉彦.新轨道力学[M],徐涌,等译.北京：中国铁道出版社,2001
[13]赵国堂编.轨检车技术现状与发展[M].北京：中国铁道出版社,2001
[14]张未.GJ-4型轨道检查车的原理和应用[M].北京：中国铁道出版社,2001
[15]邓学通.准高速轨检车检测原理及应用[M].北京：中国铁道出版社,2004
[16]刘铁,任盛伟,许贵阳.GJ-4型轨检车轨距-轨向检测系统改造[J].中国铁道科学,2006,27(6)：137-140
[17]赵钢,刘维桢,陈东生,周正.GJ-5型轨检车软件的自主研发[J].铁道建筑.2004(12)：45-46
[18]黎国清,杨爱红,许贵阳.既有线提速综合检测技术研究与应用[J].中国铁路,2008(5)：20-22,24
[19]徐其瑞,许建明,黎国清.轨道检查车技术的发展与应用[J].中国铁路,2005(9)：37-39
[20]魏世斌,刘伶萍.提速线路轨道长波不平顺检测技术[J],中国铁道科学,2010,31(2)：141-144
[21]陈东生,田新宇.中国高速铁路轨道检测技术发展[J].铁道建筑,2008(12)：82-86
[22]刘志军部长在全国铁路运输安全工作会议上的讲话,2007,人民铁道报
[23]许玉德,李海峰,戴月辉.轨道交通工务管理[M].上海：同济大学出版社,2007
[24]卢祖文.铁路轨道结构及修理[M].北京：中国铁道出版社,2002
[25]铁路线路修理规则[S].北京：中国铁道出版社.2008
[26]关于印发《既有线轨道不平顺质量指数标准及管理暂行办法》的通知,运基线路[2009]41号,中华人民共和国铁道部运输局
[27]既有线轨道不平顺质量指数标准及管理暂行办法[S].北京：铁道部运输局,2009
[28]刘秀波,铁路干线轨道不平顺谱的研究[D].北京：北京交通大学,2006
[29]王卫东,刘金朝,梁志明.综合评价车辆/轨道动态特性的广义能量法[J].中国铁道科学,2009,30(5)：22-27
[30]梁志明,王卫东.基于功能转化原理的车辆—轨道系统脱轨安全性研究[J].中国铁道科学,2009,30(2)：14-17
[31]王卫东,刘金朝,赵钢等.综合评价车辆/轨道动态特性的广义能量及其在晃车分析中的应用[A].中国铁道科学研究六十周年学术论文集[C],北京：中国铁道出版社,2010.
[32]基于轨检数据的轨道状态预测和维修辅助决策方法的研究[R].中国铁道科学研究院,2009.2
[33]翁绍德,罗林.法铁线路保持平顺稳定的技术和经验一考察法铁线路的心得体会[J],铁道建筑,1991(1)：3-8
[34]杨凤春,发挥轨道质量指数(TQI)指导预防性计划维修中的作用[J].铁道建筑,1997(4)：12-15
[35]蓝亮文,关于应用轨道质量指数技术指导线路养护维修作业的探索[J].上海铁道科技,2002(4)：9-11
[36]许玉德.轨道不平顺半峰值和标准差的相关性分析[J]铁道科学与工程学报,2005(4)：26-30
[37]许玉德,周宇.既有线轨道质量指数的分布与不平顺权重系数统计分析[J].中国铁道科学,2006.27(4)：71-75
[38]李继伟.TQI在成都局线路维修中的应用研究[D].西南交通大学,2006.09
[39]钟进军.轨道平顺状态均值管理的理论与应用探讨[J].上海铁道科技2008,(3)：20-22,28
[40]田新宇,陈东生,杨凤春.轨道几何不平顺幅值管理与均值管理的相关性分析[J].中国铁路,2008(11)：48-50
[41]高建敏,翟婉明,徐涌.既有干线轨道不平顺区段管理长度分析[J].铁道建筑,2009(5)：105-108
[45]杉山德平,家田仁.轨道狂ぃ状态を考虑した轨道破坏の要因分析[J].铁道線路,1986(9)：8-12
[46]杉山德平等.保线6支区で调查した轨道破坏と轨道补修作业量の关系解析[J].铁道腺路,1980(2)：68-73
[47]杉山德平,家田仁.轨道狂ぃ状态を考虑した轨道破坏の要因分析[J].铁道線路,1986,34(9)：8-12
[53]三和雅史,内田雅夫.轨道状态推移モデルの设定と轨道保守施策决定法[J].铁道道総研报告,1996(4)：7-12
[56]藤森聪二.利用传递函数推断法评价捣固车的作业效果[J].铁道技术研究所速报.A-83-137,1983.10
[59]中华人民共和国铁道部.铁路工务管理信息系统(PWMIS)用户使用手册[R].北京：中华人民共和国铁道部,2000
[60]Track E.R.Computer-based maintenance planning on CN railways.RT&S.1991(26).VOL.87, NO.10:18-20
[61]Modeling and maintenance planning. RT&S.1994(21) VOL.90,NO.8
[62]James P. Fractal analysis of geometry data for railway track condition assessment. Doctor of Philosophy Thesis, Department of Civil and Environmental Engineering, University of Massachusetts, Amherst, MA,2002
[63]Daniel K. Optimal estimation and rail tracking analysis. Doctor of Philosophy Thesis, Department of Civil and Environmental Engineering, University of Massachusetts, Amherst, MA,2005
[64]许玉德,吴纪才.利用线性预测模型分析轨道不平顺发展[J].石家庄铁道学院学报.2005,18(3)：6-9
[65]陈宪麦,王澜,杨凤春,柴雪松,吴旺青.用于铁路轨道不平顺预测的综合因子法[J].中国铁道科学,2006,27(6)：27-31
[66]陈宪麦.轨道不平顺时频域分析及预测方法的研究[D].铁道科学研究院,2006.08
[67]许玉德,李海峰,周宇.铁路轨道高低不平顺的预测方法[J].同济大学学报,2003,31(3)：291-295
[68]王建西,李海锋,许玉德.基于概率分布推移变化的铁路轨道几何状态评价与预测方法[J],中国铁道科学；2008年05期：31-34
[69]周宇,许玉德,李浩然.轨道不平顺非线性预测模型[J].交通运输工程学报,2004,4(4)：21-24
[75]土居加安.考虑轨道几何不平顺的MTT捣固计划[J].日本铁道施设协会志.2003(2)：144-146
[76]S JOVANOVIC.Modern Railway Infrastructure Asset management[C].Proceedings of the 24th Southern African Transport Conference(SATC 2005)
[77]Rivier,R.E.,Korpanec,I.,ECOTRACK:a Tool to reduce the Life Cycle Costs of the Track,Proceedings of the World Congress on Railway Research,Vol.B.pp.289-295,Florence,16-19 November1997
[78]许玉德,曾学贵.建立整数型轨道状态最优综合维修计划模型[J].铁道学报,2003.25(6)：85-88
[79]周宇.基于遗传算法的轨道综合养护决策系统的研究[D].上海：同济大学,2006
[80]周宇,许玉德,基于遗传算法的轨道状态最优综合维修计划模型改进[J].华东交通大学学报.2005,22(1)：15-20
[81]周宇,许玉德.基于遗传算法的轨道综合养护计划模型设计[J].同济大学学报(自然科学版).2005,33(1])：1464-1468
[82]李海峰.有碴轨道结构的变形设计及其几何状态行为理论的研究[D].上海：同济大学,2006,12
[83]刘思峰,党耀国,方志耕.灰色系统理论及其应用[M].北京：科学出版社,2007
[84]邓聚龙.灰色系统基本方法[M].武汉：华中工学院出版社,1987
[85]邓聚龙.灰色系统理论教程[M.武汉：华中理工大学出版社,1990
[86]邓聚龙.灰色系统理论教程[M].武汉：华中理工大学出版社,2002
[87]邓聚龙.灰色预测与决策[M].武汉：华中工学院出版社,1986
[88]邓聚龙.灰预测与灰决策[M].武汉：华中科技大学出版社,2000
[89]邓聚龙.灰色控制系统[M].武汉：华中工学院出版社,1985
[90]尹逊震.灰色模型的改进及其应用[D].南京：南京信息工程大学,2007.5
[91]刘思峰.灰色系统理论的产生、发展及前沿动态[A].见：2003年中国管理科学学术会议论文集[C],2003
[92]刘思峰.走向世界的灰色系统理论[A].新型工业化道路与城市发展模式及途径—中国科协2003年学术年会30分会场论文集[C],2003
[93]Lin Yi & Liu Sifeng, Law of Exponentiality an Exponential Curve Fitting, System Analysis Modelling Simulation (SAMS),2000
[94]Deng Julong, Negative Power AGO in Grey Theory, The Journal of Grey System, Vol.13, No.3, 2001
[95]小野重亮,沼仓明夫,尾高达男.高速轨道检查技术[J].中国铁路,2006(9)：50-51,66
[96]周正,赵国堂.轨道质量指数计算问题的探讨[J].中国铁道科学,2003,24(3)：64-68
[97]王伟,廖玉凤.铁路提速后轨检车检测性能分析与研究[J].上海铁道科技2006(6)：38-39
[98]蓝亮文.提高新型轨检车数据处理能力的研究[J].铁道标准设计,2003(5)：65-67
[99]梁勇.GPS卫星定位系统在轨道检查车里程校正系统中的应用[J].铁道建筑.2008(11)：96-98
[100]杨超,王卫东.GPS里程自动修正系统的原理与应用[J].铁路计算机应用,2009(5)：33-35
[101]吴纪才,许玉德.轨道不平顺噪音去除及其评价方法[J].华东交通大学学报,2004,21(5)：95-99
[102]GB4883-85数据的统计处理和解释—正态样本异常值的判断和处理[S].北京：国家标准局,1985
[103]BIPM,IEC,IFCC,ISO,IU PAC,IU PA P, OIML国际通用计量学基本术语定义[M].第二版.鲁绍曾译.北京：中国计量出版社,1993
[104]何平.剔除测量数据中异常值的若干方法[J].航空计测技术,1995,15(1)：19-22
[105]周伦,宋志东.应用Origin剔除弹药实验数据中的异常值[J].国防技术基础,2008(11)：31-33
[106]熊艳艳,吴先球.粗大误差四种判别准则的比较和应用[J].大学物理实验,2010,23(1)：66-68
[107]鲁绍曾.现代计量学概论[M].北京：中国计量出版社,1987
[108]费业泰.误差理论与数据处理[M].北京：机械工业出版社,1981
[109]黄俊钦.测试误差分析与数学模型[M].北京：国防工业出版社,1985
[110]盛旺,刘文彦.动态测量误差的软件处理方法[J].自动化仪表2003(11)：20-23
[111]杨世杰.动态测试数据中坏点处理的一种新方法—绝对均值法及应用研究[J].中国测试技术2006,32(1)：47-49,82
[112]程正兴.小波分析算法与应用[M].西安：西安交通大学出版社,1998
[113]胡昌华,张军波,夏军,等.基于MATLAB的系统分析与设计—小波分析[M].西安：西安电子科技大学出版社,2000
[114]罗航,黄建国,龙兵,王厚军.基于相关系数方法的样本失效分布研究[J].系统工程与电子技术,2009,31(7)：1776-1781
[115]许心越.基于轨检车检测数据的轨道状态预测模型研究[D].北京：北京交通大学,2007.12
[116]刘思峰,邓聚龙.GM(1,1)模型的适用范围[J].系统工程理论与实践,2000(5)：121-124
[117]龚蓬.动态测量误差修正灰色建模与应用技术研究[D].合肥：合肥工业大学,1999.12
[118]王志勇.数据挖掘方法在短期负荷预测中的应用研究[D].浙江大学.2007.9
[119]王开友,陈定元.灰色(1,1)模型建模的理论探讨[J].安庆师范学院学报(自然科学版).2008,14(3)：23-25
[120]庄恒扬.GM(1,1)建模机理与应用条件分析及其改进方法[J].江苏农学院学报,1993,14(4)：19-24
[121]胡斌,曾学贵.不等时距灰色预测模型[J].北方交通大学学报,1998,2(1)：34-38.
[122]王在泉.泥化夹层长期强度的灰色预测[J].金属矿山,1998(2)：16-20
[123]韩汝才,李亮,傅鹤林.利用灰色理论对地基沉降进行不等时距预测[J].探矿工程,2000(2)：4-5
[124]罗佑新,周继容.非等间距GM(1,1)模型及其在疲劳试验数据处理和疲劳试验在线检测中的应用[J].机械强度,1996,18(3)：60-63
[125]雷学文,白世伟,孟庆山.灰色预测在软土地基沉降分析中的应用[J].岩土力学,2000,3(2)：145-147
[126]张成良,刘小泉.三次样条插值曲线在Asaoka法中的应用[J].岩土工程技术,2006,20(1)：21-24
[127]王晖光,陆键.基于三弯矩样条函数插值模型的非等距时序灰色预测方法[J].公路交通科技,2006,23(6)：53-55,76
[128]王钟羡,吴春笃,史雪荣.非等间距序列的灰色模型[J].数学的实践与认识,2003,33(10)：16-20
[129]戴文战,李俊峰.非等间距GM(1,1)模型建模研究[J].系统工程理论与实践,2005(9)：89-93
[130]王丰效,郭天印.基于中心逼近的非等距灰色模型[J].陕西理工学院学报,2007,23(2)：78-81.
[131]蒋卫东,李夕兵,赵国彦.非等时序列预测的时数分离研究[J].系统工程理论与实践,2003,23(01)：68-72
[132]陈有亮.非等距时序灰色预测方法及其在岩石力学与工程中的应用[J].系统工程理论与实践,2003(11)：130-134.
[133]郭丽萍,孙伟,郑克仁等.非等时距GM(1,1)直接模型及其在材料试验数据处理中的应用[J].东南大学学报(自然科学版),2004,34(6)：833-837
[134]吴清海.非等间距灰色模型在沉降预测中的应用[J].淮海工学院学报(自然科学版),2006,15(4)：68-70
[135]王庆中,李康.非等时距GM(1,1)灰色模型在软土路基沉降预测中的应用[J].现代交通技术,2007,4(2)：4-6,33
[136]李战胜,宋建学,卢洪龙.不等时距GM(1,1)模型在建筑沉降预测中可行性研究[J].建筑技术开发,2007,34(3)：25-27
[137]乔正明,王成杰,蒋艳.基于分形插值函数模型的非等距时序灰色预测方法[J].统计与决策,2007(12)：29-31
[138]傅立.灰色系统理论及其应用[M].北京：科学技术文献出版社,1992
[139]罗党,刘思峰,党耀国.灰色模型GM(1,1)优化[J].中国工程科学,2003,5(8)：50-53
[140]谭冠军.GM(1,1)模型的背景值构造方法和应用Ⅰ[J].系统工程理论与实践,2000,20(4)：98-103.
[141]谭冠军.GM(1,1)模型的背景值构造方法和应用Ⅱ[J].系统工程理论与实践,2000,20(5)：125-127,132
[142]谭冠军.GM(1,1)模型的背景值构造方法和应用Ⅲ[J].系统工程理论与实践,2000,20(6)：70-75
[143]Wang Feng-xiao.Improvement on unequal interval gray forecast model[J].Fuzzy Information and Engineering,2006,6(1):118-123
[144]李翠凤,戴文战.非等间距GM(1,1)模型背景值构造方法及应用[J].清华大学学报(自然科学版),2007,47(52)：1729-1732
[145]王叶梅,党耀国,王正新.非等间距GM(1,1)模型背景值的优化[J].中国管理科学,2008,16(4)：159-162
[146]张大海,江世芳,史开泉.灰色预测公式的理论缺陷及改进[J].系统工程理论与实践,2002,(8)：140-142
[147]王丰效.基于初值修正的非等距灰色预测模型[J].重庆师范大学学报(自然科学版),2006,23(3)：159-162
[148]党耀国,刘思峰,刘斌.以x(1)(n)为初始条件的GM模型[J].中国管理科学,2005,13(1)：132-135
[149]耿继进.时变参数灰色模型[J].武测科技,1994(2)：29-32
[150]王金柱.灰色GM(1,1)模型中时变参数估计问题的研究[J].青岛大学学报(工程技术版).2000,15(2)：67-68
[151]罗鄂湘,钱省三,李锐.可变参数动态灰色预测模型的建立与实证研究[J].上海理工大学学报.2006,28(5)：465-468
[152]汪孔政,时变参数模型用于滑坡位移量预测的研究[J].灾害学,2007.22(2)：18-20
[153]张仪萍,俞亚南,张土乔.时变参数灰色沉降预测模型及其应用[J].浙江大学学报,2002,36(4)：357-360
[154]张仪萍,俞亚南,张土乔.时变参数预测模型及其在沉降预测中的应用[J].土木工程学报,2003,36(12)：83-86
[155]柳治国,陈善雄.沉降预测的等步长灰色时变参数模型[J].土工基础,2005,19(2)：32-35
[156]柳治国,陈善雄,徐海滨.沉降预测的非等步长灰色时变参数模型[J].岩土力学,2004,25(12)：1919-1922
[157]史雪荣,王作雷,张正娣.变参数非等间距GM(1,1)模型及应用[J].数学的实践与认识,2006,36(6)：216-220
[158]王成亮.用灰色与周期残差迭加模型推测地下水位未来动态[J].华北地震科学,1993,17(1)：31-371
[159]黄登宇,陈建文,刘志广等.山西省东亚飞蝗发生的灰色动态预测及其周期分析[J].农业系统科学与综合研究,2003,19(3)：161-163
[160]刘从柱,费良军,赵新宇,刘健雄.正弦修正灰色模型在灌区引水量预测上的应用[J].人民黄河,2006,28(12)：46-47
[161]张文,温荣生,邱淑芳.基于背景值重构的灰色-马尔柯夫模型及其应用[J].东华理工学院学报,2007,30(1)：96-100
[162]叶明全,胡学.GM(1,1)残差修正的季节性神经网络预测模型及其应用[J].计算机工程与应用,2005(1)：194-196
[163]宋巧娜,唐德善.城市工业用水的灰色马尔可夫预测模型[J].节水灌溉,2007,(5)：54-56
[164]曲建军,高亮,辛涛,郑晓莉.基于改进灰色-马尔可夫链的轨道不平顺发展预测方法的研究[J].北京交通大学学报.2010(4)：107-111
[165]高曙.基于残差变化趋势的GM(1,1)修正模型的算法实现与应用[J].武汉理工大学学报(信息与管理工程版),2003,25(6)：17-19
[166]Lin Yi & Liu Sifeng, Regional Economic Planning Based on Systemic Analysis of Small Samples (Ⅱ), Problems of Nonlinear Analysis in Engineering System, Vol.6 No.11 2000
[167]DENG Julong.The control problem of grey systems[J].Systems and Control Letters, 1982,11(5):285-294.
[168]Yo-Ping Huang.The identification of fuzzy grey prediction system by genetic algorithm [J].International Journal of System Science,1999,29(4):147-156
[169]Shinh Jer Huang, Ruey-Jing Lian.A fuzzy controller with grey prediction for robot motion control [J].International Journal of System Science,1999,29(4):312-325
[170]Hiuh-Jer Huang,Chen-Lo Huang. Control of inverted rendulun using grey prediction model[J].IEEE Trans Industry App lications,2000,36(2):567-574
[171]Yen-Tseng Hsu, Jeromy Yeh. A novel image compressing using grey models on dynamic window [J].International Journal of Systems Science,2000,31(9):433-446
[172]Fiona T Muray,John V Ringwood,Paul C Austin. Integration of multi-time-scale models in time series forecasting[J].International Journal of System s Science,2000,31(10):245-257
[173]Ackoff, R.L., Science in the System Age:Beyond IE. OR. And MS, Operation Research, Vol.21, No.3
[174]Checkland, P, An Introduction to Management Science:Quantitative Approaches to Decision-Making, St.Paul:West Pub. Co.,1982
[175]Churchman, G.W, The System Approach and Its Enemies, New York:Basic Books,1979
[176]James W. Friedman. Game theory with application to economics [M]. New York:Oxford
[177]曹弋,MATLAB教程及实训[M]机械工业出版社,2008
[178]雷鸣雳,冯祖仁.内变量参数辨识的灰色电价预测模型[J].西南交通大学学报,2009,43(8)：86-89
[179]刘金英,灰色预测理论与评价方法在水环境中的应用研究[D].吉林大学.2004.10
[180]李俊峰.灰色系统理论及其在铁谱磨粒图像处理中的应用研究[D].东华大学.2009.11
[181]孙海军.基于灰色模型永磁无轴承电机无位置传感器控制[D].沈阳工业大学,2010.3
[182]韩志青.大型养路机械的维修模式[J].中国铁路,1996(12)：21-24
[183]付光志.我国大型养路机械的现状及发展[J].铁道标准设计,1999(11)：30-31
[184]束永政.论提高大型机械线路维修质量的途径[J].上海铁道科技,2000,(3)3：26-28
[185]李海锋,许玉德.计算机编制铁路轨道养护维修计划的方法[J].同济大学学报,2004,(3)：480-484
[186]李惠春译,轨道维修计划决策支持系统[J].铁道技术监督.2002(5)：36-37
[187]李海锋,许玉德,王建西.轨道几何状态均匀性指数及其应用[J].同济大学学报(自然科学版),2009(4)：495-499
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |