基于多源异构数据融合的铁路轨道状态退化预测模型研究

张升

doi:10.16009/j.issn.1009-5624.2026.11.062

信息记录材料 ›› 2026, Vol. 27 ›› Issue (11) : 193 -196. DOI: 10.16009/j.issn.1009-5624.2026.11.062

基于多源异构数据融合的铁路轨道状态退化预测模型研究

张升

作者信息 +

Author information +

文章历史 +

摘要

针对传统周期维修模式适应性不足、轨道状态评估过度依赖单一数据源且多源异构数据协同价值未充分释放的问题，本文提出一种基于卷积长短期记忆注意力机制融合模型的方法(CLAM-Fusion),其实现步骤包括构建轨道状态多源异构数据体系与预处理流程，并开展实例验证与对比分析。实验结果表明：该模型能够有效融合多源信息，在预测精度与泛化性能上显著优于传统方法，为铁路轨道精准状态修与智能运维提供了可靠的技术支撑。