声明
致谢
1 引言
1.1 研究背景
1.2 研究内容
1.3 研究现状
1.3.1 国内研究现状
1.3.2 国外研究现状
1.4 大数据技术理论基础
1.4.1 数据融合技术
1.4.2 机器学习介绍
1.4.3 知识图谱
2 多维病害数据处理
2.1 数据处理难点分析
(1)资料、数据集成不够全面
(2)数据集成风险
(3)文件格式类型不统一
(4)文本数据
(5)数据整合
(6)数据匮乏
2.2 数据处理过程
2.2.1 自然语言处理-文本数据的分词
2.2.2 正则表达式提取数值数据
2.2.3 数据融合
2.3 砂浆离缝数据处理结果分析
2.3.1 离缝病害描述结构分析
2.3.2 砂浆离缝病害数据表现分析
2.4 本章小结
3 基于机器学习的砂浆离缝病害分类研究
3.1 建立砂浆离缝病害伤损级别分类模型
3.1.1 熵权法定量评价病害动态特征
3.1.2 层次分析法定性评价病害静态特征
3.2.3 计算评价病害二维数据集
3.2.4 聚类分析评价数据集
3.2.5 基于LDA判别式法提取分类模型
3.2.6 BDAJ 分类法归纳
3.2 既有轨道板砂浆离缝分类对比分析
3.3.1 既有离缝分类方法分析
3.3.2 BDAJ 分类分析对比
3.3 本章小结
4 基于神经网络的砂浆离缝整治费用预估
4.1 既有专项整治费用分析
4.1.1 离缝病害整治工艺分析
4.1.2 离缝病害整治材料分析
4.1.3 离缝病害整治费用分析
4.2 基于神经网络建立病害整治费用预测模型
4.2.1 数据集准备
4.2.2 参数设置
4.2.3 网络结构确定
4.2.4 预测结果分析
4.3 本章小结
5 基于知识图谱辅助管理离缝病害
5.1 离缝病害知识图谱构建原理及流程
5.2 砂浆离缝领域本体建模
5.2.1 离缝病害领域语义类型设计
5.2.2 离缝病害语义关系设计
5.2.3 离缝病害本体对象设计
5.3 RDF数据模型的构建与查询
5.3.1 RDF数据模型构建
5.3.2 RDF数据查询
5.4 基于Neo4j的知识存储
5.5 离缝知识图谱可视化分析
5.6 基于知识图谱的相关病害检索
5.7 本章小结
6 病害周期整治管理研究
6.1 既有离缝病害判定整治研究分析
6.2 离缝病害周期智能决策管理研究
6.2.1 病害管理研究思路
6.2.2 病害管理研究内容
6.3 病害分工管理研究
6.4 本章小结
7 结论与展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
独创性声明
学位论文数据集
北京交通大学;