基于大数据技术的高速铁路工务砂浆离缝病害整治管理研究

目录

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