CN111254904A - 一种铁路多年冻土区路基形变检测与预测系统 - Google Patents

Abstract

本发明公开了一种铁路冻土区路基形变检测与预测系统，包括第一温度传感器、水分传感器、压力传感器、信号处理箱，分别采用多个第一温度传感器、水分传感器、压力传感器安装在轨道下方，信号处理箱安装在路肩上，第一温度传感器、水分传感器、压力传感器与信号处理箱连接，分别检测路基的地温、土壤含水量、冻土形变量，并将检测到的信息传输给信号处理箱进行处理，并将处理后的信息通过无线端发送至铁路有关管理部门，当铁路多年冻土区路基某一路段的冻土变化量超出预设值时，通知相关工作人员前往现场确认，并对变形的路基段的轨道进行校正。

Description

一种铁路多年冻土区路基形变检测与预测系统

技术领域

本发明涉及路基形变检测领域，尤其涉及一种铁路冻土区路基形变检测与预测系统。

背景技术

随着高速铁路的发展，对列车安全性能的要求越来越高。对于高原地区的铁路线路来说，多年冻土变化是导致路基形变最重要的原因之一，路基的变形状况直接影响着铁路路基的安全性。自青藏铁路通车以来，部分多年冻土路段出现了沉降量形变偏大的情形，对青藏铁路路基稳定性造成了不利的影响。而随着川藏铁路的修建，也将面临着高原地区多年冻土带来的威胁。

现有技术中，对多年冻土路基形变量大的路段采取了埋设热管与铺设块石护坡等补强措施取得了一定的效果。但是对于多年冻土路基形变的勘测主要还是以人工测量为主。即工作人员携带测量设备依次对整条线路的路基进行测量，这样不能够有目的的对某一段即将形变的路基进行检测，而且增加了工作人员的劳动强度。

发明内容

为了解决上述问题，本发明的目的在于提供一种铁路冻土区路基形变检测与预测系统，对铁路多年冻土区路基下方的地温、水分、土壤形变量进行检测，计算出冻土随之间的变化量，并通过ARIMA时间序列预测模型对铁路冻土区路基下方的冻土量进行预测，能够让工作人员提前得知该区间路基即将发生变化，提醒工作人员前往查看，有针对性的对变形的路基轨道进行校正。

为了实现上述目的，本发明提供的一种铁路冻土区路基形变检测与预测系统是这样实现的：

一种铁路冻土区路基形变检测与预测系统，包括第一温度传感器、水分传感器、压力传感器、信号处理箱，分别采用多个第一温度传感器、水分传感器、压力传感器安装在轨道下方，信号处理箱安装在路肩上，第一温度传感器、水分传感器、压力传感器与信号处理箱连接，分别检测路基的地温、土壤含水量、冻土形变量，并将检测到的信息传输给信号处理箱进行处理，并将处理后的信息通过无线端发送至铁路有关管理部门，当铁路多年冻土区路基某一路段的冻土变化量超出预设值时，通知相关工作人员前往现场确认，并对变形的路基段的轨道进行校正。

本发明的信号处理箱包括防水铝盒、太阳能电池板、控制电路板、模拟量数据采集器、GPRS模块、北斗定位模块、蓄电池、太阳能控制器，太阳能电池板安装在防水铝盒上表面，用于将太阳能转换为电能为控制电路板、模拟量数据采集器、GPRS模块、北斗定位模块供电，太阳能控制器连接在太阳能电池板与蓄电池之间，白天时，由太阳能控制器将太阳能电池板转换的电能分配给控制电路板、模拟量数据采集器、GPRS模块、北斗定位模块供电，并为蓄电池充电，夜间时，太阳能控制器便控制蓄电池为控制电路板、模拟量数据采集器、GPRS模块、北斗定位模块供电，控制电路板通过RS485线与模拟量数据采集器连接在一起，模拟量数据采集器对第一温度传感器、水分传感器、压力传感器采集到的模拟量转换为对应的数字信息后，通过RS485通信方式传输给控制电路板，北斗定位模块用于定位信号处理箱所在的位置，由控制电路板控制GPRS模块将信号处理箱所在的位置信息和该处第一温度传感器、水分传感器、压力传感器采集到的信息发送到铁路有关部门，在铁路有关部门的PC端对这些数据进行预测分析。

本发明的防水铝盒内壁顶部设有电热丝、第二温度传感器，右侧设有通风门、步进电机、电机驱动板，电热丝用于为防水铝盒加热，电机驱动板连接在控制电路板与步进电机之间，第二温度传感器与模拟量数据采集器连接，用于采集防水铝盒内温度值，并将采集到的信息传输给模拟量数据采集器，模拟量数据采集器再发送给控制电路板进行处理，电热丝、步进电机、电机驱动板均与太阳能控制器连接，通风门的一端与步进电机的旋转轴连接，由于高原地区气候环境原因，导致昼夜温差大，当防水铝盒内温度过低时，由控制电路板控制电热丝加热，且控制电路板控制电机驱动板带动电机旋转，将通风门关闭，当防水铝盒内温度过高时，控制电路板控制电机驱动板带动电机旋转，打开通风门，使防水铝盒内空气得以流通，进而达到降温的效果。

本发明的控制电路板采用STM32F103ZET6单片机作为内核，旁边还设有继电器，继电器连接在控制电路板与电热丝之间，由控制电路板控制继电器的通断来控制太阳能电池板或蓄电池为电热丝供电。

本发明的通风门与步进电机的旋转轴之间采用钢条连接，步进电机的旋转轴两端通过轴承固定在防水铝盒右侧，由步进电机带动旋转轴转动，进而拉动钢条转动，通风门在钢条的拉力或推力下实现开门或者关门。

本发明对铁路多年冻土区路基形变检测与预测的方案为：

先对整个系统进行初始化，使系统回到最初的工作状态，接着由温度传感器、水分传感器、压力传感器分别检测路基的地温、土壤含水量、冻土形变量，并将检测到的信息传输到铁路相关部门的PC机上，在PC机上设置相应的上位机来监测各个路段多年冻土的变化，并在上位机上显示相应的地温、土壤含水量、冻土形变量与冻土量之间的变化特性曲线，特性曲线中可以确定多年冻土中水分的含量会随着冻土量的减少而增加，随着地温的增加，多年冻土的冻土量会下降，冻土量减少后，冻土的形变量会增加，根据地温、土壤含水量、冻土形变量等三个因素的变化量来判断多年冻土的含量，可以更准确的判断出多年冻土的变化信息，记录冻土含量随着时间变化而变化的值，并通过ARIMA时间序列预测模型来预测到了哪个时间点多年冻土的含量会增加或者减少到预设值范围外，并提醒相关工作人员前往确认，并测量该处路基是否发生形变，若发生了形变，工作人员需对该段路基上的轨道进行校正，为列车提供安全的运行条件，调整好后继续对该出的地温、土壤含水量、冻土形变量进行监测，若人工现场勘查后未检测出该段路基发生形变，那么就在上位机中调整冻土含量的阈值。

本发明的ARIMA时间序列预测模型建立过程为：

ARIMA模型的建模步骤：

(1)模型识别

第一步，判断平稳性。平稳序列必须满足：一是对于任意的时间t，其均值恒为一常数；二是对于任意的时间t和s，其自相关系数只与时间间隔t-s有关，而与t和s的起始点无关。通过时序图和相关系数构建的相关图判断序列的平稳性，对于非平稳序列，用差分或者数据转换的方法，使非平稳数列平稳化，只有平稳序列才能用ARMA模型建模，但是在差分在过程中应避免过差分，一般不易超过两次，否则既损失了信息量，又降低了效率。ARIMA模型的识别原则，如表1。如果自相关系数ACF截尾则选择MA模型，如果偏自相关系数PACF截尾则选择AR模型，如果自相关系数ACF和偏自相关系数都拖尾则用ARMA模型。

表1

自相关系数ACF	偏自相关系数PACF	选择模型
			拖尾	P阶截尾	AR(P)
q阶截尾	拖尾	MA(q)
			拖尾	拖尾	ARMA(P，q)

第二步，白噪声检验。利用Box和Pierce构造的Q统计量和Ljung构造的LB统计量，检验序列的随机性，即白噪声检验。

式中，n是序列的观察数，m是指定的滞后阶数，ρ为延期k的自相关系数，Q和LB两种检验统计量一般近似服从自由度为m的2分布。此时的序列只有为非白噪声序列，接着建立ARIMA模型。

第三步，初步定阶。根据平稳后序列的自相函数和偏自相函数数为模型定价，初步估计ARIMA模型的p,q,P,Q的值，当然可以预选多个阶数，为下面确定最优模型做好准备。p,q的选择原则：p为经统计检验显示有效的偏自相关数目或者是落入随机区间外的偏自相关系数的个数；q为显著不为0的自相关数目。

(2)参数估计

首先，采用AIC准则，即最小信息准则，AIC和SBC一起为模型最后定阶、确定最优模型，其次，利用最小二乘法对模型参数进行检验，并确定最优参数，设因变量Y_t与L维向量X_t之间具有下面的函数关系：

Y_t＝f_t(X_t,Θ)+ε_t (3)

式中，t＝1,2,3,…,NΘ＝(θ1,θ2,…,θm)t是待估计的参数；ε_t是误差，f_t是已知函数形式。最小二乘法是，从已观察到的N组数据(X_t，Y_t)出发，对于未知参数Θ进行估计，使残差平方和达到最小。

Θ＝(θ₁,θ₂,...,θ_m)^t (4)

最后，采用x²检验对拟合的ARIMA模型进行显著性检验，即用Q统计量对残差序列再进行一次白噪声推断。m个独立N(0,1)随机变量的平方和服从自由度为m的x²分布。

ARIMA模型定阶和参数都完成后，还要用统计学的方法评估模型的优劣，评估两方面的内容，一个是参数的显著性检验，另一是建模后残差序列的白噪声检验，一个成功的模型能够对数据的有效信息充分的提取，事实上，一个拟合良好的ARIMA模型，原序列建模后的残差序列就应该是白噪声序列。相反,若其残差序列是非白噪声序列,提示残差序列中还留有未充分提取的信息，或者说模型对原数据信息未充分的提取。原因可能是定阶或者参数的选取有问题,处理的方法有重复建模步骤,矫正各个参数和阶数，再检验模型的显著性。

(3)模型预测

模型通过显著性检验后，就可以用来预测，预测就是利用已经建好的模型。

由于本发明采用多个第一温度传感器、水分传感器、压力传感器安装在轨道下方分别检测路基的地温、土壤含水量、冻土形变量的结构，从而可以得到以下有益效果：

对铁路多年冻土区路基下方的地温、水分、土壤形变量进行检测，计算出冻土随之间的变化量，并通过ARIMA时间序列预测模型对铁路冻土区路基下方的冻土量进行预测，能够让工作人员提前得知该区间路基即将发生变化，提醒工作人员前往查看，若发生了形变，工作人员需对该段路基上的轨道进行校正，有针对性的对变形的路基轨道进行校正，降低工作人员沿线勘查冻土变化造成的劳动强度，且能够实时监测冻土变化情况，为列车提供安全的运行条件。

附图说明

图1为本发明一种铁路冻土区路基形变检测与预测系统的安装结构示意图；

图2为本发明一种铁路冻土区路基形变检测与预测系统的信号处理箱的结构示意图；

图3为本发明一种铁路冻土区路基形变检测与预测系统的防水铝盒的结构示意图；

图4为本发明一种铁路冻土区路基形变检测与预测系统的通风门与步进电机的旋转轴之间连接示意图；

图5为本发明一种铁路冻土区路基形变检测与预测系统的方案流程图；

图6为本发明一种铁路冻土区路基形变检测与预测系统的冻土含量与地温之间的关系示意图；

图7为本发明一种铁路冻土区路基形变检测与预测系统的冻土含量与土壤水分含量之间的关系示意图；

图8为本发明一种铁路冻土区路基形变检测与预测系统的冻土含量与冻土形变量之间的关系示意图；

图9为本发明一种铁路冻土区路基形变检测与预测系统的ARIMA时间序列预测模型建立流程图；

图10为本发明一种铁路冻土区路基形变检测与预测系统的工作原理图。

主要元件符号说明。

具体实施方式

下面结合实施例并对照附图对本发明作进一步详细说明。

请参阅图1至图10所示为本发明中的一种铁路冻土区路基形变检测与预测系统，包括第一温度传感器1、水分传感器2、压力传感器3、信号处理箱4。

如图1所示，分别采用多个第一温度传感器1、水分传感器2、压力传感器3安装在轨道下方，信号处理箱4安装在路肩上，第一温度传感器1、水分传感器2、压力传感器3与信号处理箱4连接，且每个第一温度传感器1、水分传感器2、压力传感器3之间相隔20厘米，分别检测路基的地温、土壤含水量、冻土形变量，并将检测到的信息传输给信号处理箱4进行处理，并将处理后的信息通过无线端发送至铁路有关管理部门，当铁路多年冻土区路基某一路段的冻土变化量超出预设值时，通知相关工作人员前往现场确认，并对变形的路基段的轨道进行校正，这样能够使得工作人员有目的、有针对性的对路基进行勘测，减少工作人员沿线勘察的劳动强度。

如图2所示，所述的信号处理箱4包括防水铝盒5、太阳能电池板6、控制电路板7、模拟量数据采集器8、GPRS模块9、北斗定位模块10、蓄电池11、太阳能控制器12，控制电路板7、模拟量数据采集器8、GPRS模块9、北斗定位模块10、蓄电池11、太阳能控制器12安装在防水铝盒5中，太阳能电池板6安装在防水铝盒5上表面，用于将太阳能转换为电能为控制电路板7、模拟量数据采集器8、GPRS模块9、北斗定位模块10供电，太阳能控制器12连接在太阳能电池板6与蓄电池11之间，白天时，由太阳能控制器12将太阳能电池板6转换的电能分配给控制电路板7、模拟量数据采集器8、GPRS模块9、北斗定位模块10供电，并为蓄电池11充电，夜间时，由于没有太阳的照射，使得太阳能电池板6不能够继续电能转换，所以太阳能控制器12便控制蓄电池11为控制电路板7、模拟量数据采集器8、GPRS模块9、北斗定位模块10供电，第一温度传感器1、水分传感器2、压力传感器3与模拟量数据采集器8连接在一起，控制电路板7通过RS485线与模拟量数据采集器8连接在一起，模拟量数据采集器8对第一温度传感器1、水分传感器2、压力传感器3采集到的模拟量转换为对应的数字信息后，通过RS485通信方式传输给控制电路板7，GPRS模块9、北斗定位模块10与控制电路板7连接，北斗定位模块10用于定位信号处理箱4所在的位置，便于工作人员根据定位信息找到监测点，由控制电路板7控制GPRS模块9将信号处理箱4所在的位置信息和该处第一温度传感器1、水分传感器2、压力传感器3采集到的信息发送到铁路有关部门，在铁路有关部门的PC端对这些数据进行预测分析，显示出铁路多年冻土区路基下方的地温、水分、土壤形变量的变化趋势图，并预测在多长时间后该路段的多年冻土会发生变化，从而使得路基发生形变，提醒有关工作人员前往现场确认并检修。

如图3所示，所述的防水铝盒5内壁顶部设有电热丝13、第二温度传感器14，右侧设有通风门15、步进电机16、电机驱动板17，电热丝13用于为防水铝盒5加热，防止控制电路板7、模拟量数据采集器8、GPRS模块9、北斗定位模块10在低温下不能够正常工作，电机驱动板17连接在控制电路板7与步进电机16之间，第二温度传感器14与模拟量数据采集器8连接，用于采集防水铝盒5内温度值，并将采集到的信息传输给模拟量数据采集器8，模拟量数据采集器8再发送给控制电路板7进行处理，电热丝13、步进电机16、电机驱动板17均与太阳能控制器12连接，白天时，太阳能控制器12控制太阳能电池板6将转换后的电能输送给电热丝13、步进电机16、电机驱动板17供电，夜间时，太阳能控制器12控制蓄电池11给电热丝13、步进电机16、电机驱动板17供电，通风门15的一端与步进电机16的旋转轴21连接，由于高原地区气候环境原因，导致昼夜温差大，当防水铝盒5内温度过低时，由控制电路板7控制电热丝13加热，且控制电路板7控制电机驱动板17带动电机旋转，将通风门15关闭，当防水铝盒5内温度过高时，控制电路板7控制电机驱动板17带动电机旋转，打开通风门15，使防水铝盒5内空气得以流通，进而达到降温的效果，为控制电路板7、模拟量数据采集器8、GPRS模块9、北斗定位模块10提供一个较为适宜的工作温度环境。

所述的控制电路板7采用STM32F103ZET6单片机作为内核，旁边还设有继电器18，继电器18连接在控制电路板7与电热丝13之间，由控制电路板7控制继电器18的通断来控制太阳能电池板6或蓄电池11为电热丝13供电，该单片机具有强大的数据处理功能，能够满足对本发明采用的所有传感器采集到的信息处理需求。

如图4所示，所述的通风门15与步进电机16的旋转轴21之间采用钢条19连接，步进电机16的旋转轴21两端通过轴承20固定在防水铝盒5右侧，由步进电机16带动旋转轴21转动，进而拉动钢条19转动，通风门15在钢条19的拉力或推力下实现开门或者关门，通风门15关闭时，便于电热丝13增加防水铝盒5中的温度，打开通风门15时，便于防水铝盒5中气流交换，达到降温的目的。

如图5所示，所述的本发明对铁路多年冻土区路基形变检测与预测的方案为：

先对整个系统进行初始化，使系统回到最初的工作状态，接着由温度传感器、水分传感器2、压力传感器3分别检测路基的地温、土壤含水量、冻土形变量，并将检测到的信息传输到铁路相关部门的PC机上，在PC机上设置相应的上位机来监测各个路段多年冻土的变化，并在上位机上显示相应的地温、土壤含水量、冻土形变量与冻土量之间的变化特性曲线，如图7所示，特性曲线中可以确定多年冻土中水分的含量会随着冻土量的减少而增加，这是因为冻土融化后产生大量的水分引起的；如图6所示，随着地温的增加，多年冻土的冻土量会下降，即如果土层每年吸热比散热多，地温逐年升高，多年冻土层逐渐融化变薄以至消失，处于不稳定状态；如图8所示，冻土量减少后，冻土的形变量会增加，这是由于多年冻土融化后，结构发生变化，改变原来的结构，产生相应的形变量；根据地温、土壤含水量、冻土形变量等三个因素的变化量来判断多年冻土的含量，可以更准确的判断出多年冻土的变化信息，记录冻土含量随着时间变化而变化的值，并通过ARIMA时间序列预测模型来预测到了哪个时间点多年冻土的含量会增加或者减少到预设值范围外，并提醒相关工作人员前往确认，并测量该处路基是否发生形变，若发生了形变，工作人员需对该段路基上的轨道进行校正，为列车提供安全的运行条件，调整好后继续对该出的地温、土壤含水量、冻土形变量进行监测，若人工现场勘查后未检测出该段路基发生形变，那么就在上位机中调整冻土含量的阈值。

如图9所示，所述的ARIMA时间序列预测模型建立过程为：

ARIMA模型的建模步骤：

(1)模型识别

第一步，判断平稳性。平稳序列必须满足：一是对于任意的时间t，其均值恒为一常数；二是对于任意的时间t和s，其自相关系数只与时间间隔t-s有关，而与t和s的起始点无关。通过时序图和相关系数构建的相关图判断序列的平稳性，对于非平稳序列，用差分或者数据转换的方法，使非平稳数列平稳化，只有平稳序列才能用ARMA模型建模，但是在差分在过程中应避免过差分，一般不易超过两次，否则既损失了信息量，又降低了效率。ARIMA模型的识别原则，如表1。如果自相关系数ACF截尾则选择MA模型，如果偏自相关系数PACF截尾则选择AR模型，如果自相关系数ACF和偏自相关系数都拖尾则用ARMA模型。

表1

自相关系数ACF	偏自相关系数PACF	选择模型
			拖尾	P阶截尾	AR(P)
q阶截尾	拖尾	MA(q)
			拖尾	拖尾	ARMA(P，q)

第二步，白噪声检验。利用Box和Pierce构造的Q统计量和Ljung构造的LB统计量，检验序列的随机性，即白噪声检验。

式中，n是序列的观察数，m是指定的滞后阶数，ρ为延期k的自相关系数，Q和LB两种检验统计量一般近似服从自由度为m的2分布。此时的序列只有为非白噪声序列，接着建立ARIMA模型。

第三步，初步定阶。根据平稳后序列的自相函数和偏自相函数数为模型定价，初步估计ARIMA模型的p,q,P,Q的值，当然可以预选多个阶数，为下面确定最优模型做好准备。p,q的选择原则：p为经统计检验显示有效的偏自相关数目或者是落入随机区间外的偏自相关系数的个数；q为显著不为0的自相关数目。

(2)参数估计

首先，采用AIC准则，即最小信息准则，AIC和SBC一起为模型最后定阶、确定最优模型，在模型定阶时，认为AIC、SBC这两项值越小越好。其次，利用最小二乘法对模型参数进行检验，并确定最优参数，设因变量Y_t与L维向量X_t之间具有下面的函数关系：

Y_t＝f_t(X_t,Θ)+ε_t (3)

式中，t＝1,2,3,…,NΘ＝(θ1,θ2,…,θm)t是待估计的参数；ε_t是误差，f_t是已知函数形式。最小二乘法是，从已观察到的N组数据(X_t，Y_t)出发，对于未知参数Θ进行估计，使残差平方和达到最小。

Θ＝(θ₁,θ₂,...,θ_m)^t (4)

最后，采用x²检验对拟合的ARIMA模型进行显著性检验，即用Q统计量对残差序列再进行一次白噪声推断。m个独立N(0,1)随机变量的平方和服从自由度为m的x²分布。

如果模型拟合后的残差序列经过检验是白噪声序列，那么就可以说模型拟合成功，可以用以预测。否则，需要继续调整阶数，直到通过白噪声检验，说明数据的确定信息已充分提取。

ARIMA模型定阶和参数都完成后，还要用统计学的方法评估模型的优劣，评估两方面的内容，一个是参数的显著性检验，即检验模型的参数是否有统计；另一是建模后残差序列的白噪声检验，即判断模型整体是否有统计学意，一个成功的模型能够对数据的有效信息充分的提取，换句话说，对数据信息提取的越充分的ARIMA模型就是良好的模型。事实上，一个拟合良好的ARIMA模型，原序列建模后的残差序列就应该是白噪声序列。相反,若其残差序列是非白噪声序列,提示残差序列中还留有未充分提取的信息，或者说模型对原数据信息未充分的提取。原因可能是定阶或者参数的选取有问题,处理的方法有重复建模步骤,矫正各个参数和阶数，再检验模型的显著性。

(3)模型预测

模型通过显著性检验后，就可以用来预测，预测就是利用已经建好的模型。

本发明的工作原理与工作过程如下：

如图10所示，由温度传感器、水分传感器2、压力传感器3分别检测路基的地温、土壤含水量、冻土形变量，并将检测到的信息传输到铁路相关部门的PC机上，在PC机上设置相应的上位机来监测各个路段多年冻土的变化，并在上位机上显示相应的地温、土壤含水量、冻土形变量与冻土量之间的变化特性曲线，根据地温、土壤含水量、冻土形变量等三个因素的变化量来判断多年冻土的含量，可以更准确的判断出多年冻土的变化信息，记录冻土含量随着时间变化而变化的值，并通过ARIMA时间序列预测模型来预测到了哪个时间点多年冻土的含量会增加或者减少到预设值范围外，并提醒相关工作人员前往确认，并测量该处路基是否发生形变，若发生了形变，工作人员需对该段路基上的轨道进行校正，为列车提供安全的运行条件，调整好后继续对该出的地温、土壤含水量、冻土形变量进行监测，若人工现场勘查后未检测出该段路基发生形变，那么就在上位机中调整冻土含量的阈值，第二温度传感器14采集防水铝盒5内温度值，并将采集到的信息传输给模拟量数据采集器8，模拟量数据采集器8再发送给控制电路板7进行处理，当防水铝盒5内温度过低时，由控制电路板7控制电热丝13加热，且控制电路板7控制电机驱动板17带动电机旋转，将通风门15关闭，当防水铝盒5内温度过高时，控制电路板7控制电机驱动板17带动电机旋转，打开通风门15，使防水铝盒5内空气得以流通，进而达到降温的效果。

Claims (7)

1.一种铁路冻土区路基形变检测与预测系统，其特征在于：包括第一温度传感器、水分传感器、压力传感器、信号处理箱，分别采用多个第一温度传感器、水分传感器、压力传感器安装在轨道下方，信号处理箱安装在路肩上，第一温度传感器、水分传感器、压力传感器与信号处理箱连接，分别检测路基的地温、土壤含水量、冻土形变量，并将检测到的信息传输给信号处理箱进行处理，并将处理后的信息通过无线端发送至铁路有关管理部门，当铁路多年冻土区路基某一路段的冻土变化量超出预设值时，通知相关工作人员前往现场确认，并对变形的路基段的轨道进行校正。

2.根据权利要求1所述的铁路冻土区路基形变检测与预测系统，其特征在于：所述的信号处理箱包括防水铝盒、太阳能电池板、控制电路板、模拟量数据采集器、GPRS模块、北斗定位模块、蓄电池、太阳能控制器，太阳能电池板安装在防水铝盒上表面，用于将太阳能转换为电能为控制电路板、模拟量数据采集器、GPRS模块、北斗定位模块供电，太阳能控制器连接在太阳能电池板与蓄电池之间，白天时，由太阳能控制器将太阳能电池板转换的电能分配给控制电路板、模拟量数据采集器、GPRS模块、北斗定位模块供电，并为蓄电池充电，夜间时，太阳能控制器便控制蓄电池为控制电路板、模拟量数据采集器、GPRS模块、北斗定位模块供电，控制电路板通过RS485线与模拟量数据采集器连接在一起，模拟量数据采集器对第一温度传感器、水分传感器、压力传感器采集到的模拟量转换为对应的数字信息后，通过RS485通信方式传输给控制电路板，北斗定位模块用于定位信号处理箱所在的位置，由控制电路板控制GPRS模块将信号处理箱所在的位置信息和该处第一温度传感器、水分传感器、压力传感器采集到的信息发送到铁路有关部门，在铁路有关部门的PC端对这些数据进行预测分析。

3.根据权利要求2所述的铁路冻土区路基形变检测与预测系统，其特征在于：所述的防水铝盒内壁顶部设有电热丝、第二温度传感器，右侧设有通风门、步进电机、电机驱动板，电热丝用于为防水铝盒加热，电机驱动板连接在控制电路板与步进电机之间，第二温度传感器与模拟量数据采集器连接，用于采集防水铝盒内温度值，并将采集到的信息传输给模拟量数据采集器，模拟量数据采集器再发送给控制电路板进行处理，电热丝、步进电机、电机驱动板均与太阳能控制器连接，通风门的一端与步进电机的旋转轴连接，当防水铝盒内温度过低时，由控制电路板控制电热丝加热，且控制电路板控制电机驱动板带动电机旋转，将通风门关闭，当防水铝盒内温度过高时，控制电路板控制电机驱动板带动电机旋转，打开通风门，使防水铝盒内空气得以流通，进而达到降温的效果。

4.根据权利要求3所述的铁路冻土区路基形变检测与预测系统，其特征在于：所述的控制电路板旁边设有继电器，继电器连接在控制电路板与电热丝之间，由控制电路板控制继电器的通断来控制太阳能电池板或蓄电池为电热丝供电。

5.根据权利要求3所述的铁路冻土区路基形变检测与预测系统，其特征在于：所述的通风门与步进电机的旋转轴之间采用钢条连接，步进电机的旋转轴两端通过轴承固定在防水铝盒右侧，由步进电机带动旋转轴转动，进而拉动钢条转动，通风门在钢条的拉力或推力下实现开门或者关门。

6.根据权利要求1所述的铁路冻土区路基形变检测与预测系统，其特征在于：所述系统对铁路多年冻土区路基形变检测与预测的方法为：

先对整个系统进行初始化，使系统回到最初的工作状态，接着由温度传感器、水分传感器、压力传感器分别检测路基的地温、土壤含水量、冻土形变量，并将检测到的信息传输到铁路相关部门的PC机上，在PC机上设置相应的上位机来监测各个路段多年冻土的变化，并在上位机上显示相应的地温、土壤含水量、冻土形变量与冻土量之间的变化特性曲线，特性曲线中可以确定多年冻土中水分的含量会随着冻土量的减少而增加，随着地温的增加，多年冻土的冻土量会下降，冻土量减少后，冻土的形变量会增加，根据地温、土壤含水量、冻土形变量等三个因素的变化量来判断多年冻土的含量，以判断出多年冻土的变化信息，记录冻土含量随着时间变化而变化的值，并通过ARIMA时间序列预测模型来预测到了哪个时间点多年冻土的含量会增加或者减少到预设值范围外，并提醒相关工作人员前往确认，并测量该处路基是否发生形变，若发生了形变，工作人员需对该段路基上的轨道进行校正，为列车提供安全的运行条件，调整好后继续对该出的地温、土壤含水量、冻土形变量进行监测，若人工现场勘查后未检测出该段路基发生形变，那么就在上位机中调整冻土含量的阈值。

7.根据权利要求6所述的铁路冻土区路基形变检测与预测系统，其特征在于：所述的ARIMA时间序列预测模型的建立过程为：

(1)模型识别

第一步，判断平稳性，通过时序图和相关系数构建的相关图判断序列的平稳性，对于非平稳序列，用差分或者数据转换的方法，使非平稳数列平稳化；

第二步，白噪声检验，利用Box和Pierce构造的Q统计量和Ljung构造的LB统计量，检验序列的随机性，即白噪声检验；

式中，n是序列的观察数，m是指定的滞后阶数，ρ为延期k的自相关系数，Q和LB两种检验统计量近似服从自由度为m的2分布，此时的序列只有为非白噪声序列，接着建立ARIMA模型；

第三步，初步定阶，根据平稳后序列的自相函数和偏自相函数数为模型定价，初步估计ARIMA模型的p,q,P,Q的值，p,q的选择原则为：p为经统计检验显示有效的偏自相关数目或者是落入随机区间外的偏自相关系数的个数；q为显著不为0的自相关数目；

(2)参数估计

首先，采用AIC准则，即最小信息准则，AIC和SBC一起为模型最后定阶、确定最优模型，其次，利用最小二乘法对模型参数进行检验，并确定最优参数，设因变量Y_t与L维向量X_t之间具有下面的函数关系：

Y_t＝f_t(X_t,Θ)+ε_t (3)

式中，t＝1,2,3,…,NΘ＝(θ1,θ2,…,θm)t是待估计的参数；ε_t是误差，f_t是已知函数形式，最小二乘法是，从已观察到的N组数据(X_t，Y_t)出发，对于未知参数Θ进行估计，使残差平方和达到最小；

Θ＝(θ₁,θ₂,...,θ_m)^t (4)

最后，采用x²检验对拟合的ARIMA模型进行显著性检验，即用Q统计量对残差序列再进行一次白噪声推断，m个独立N(0,1)随机变量的平方和服从自由度为m的x²分布；

ARIMA模型定阶和参数都完成后，用统计学的方法评估模型的优劣，评估两方面的内容，一个是参数的显著性检验，另一是建模后残差序列的白噪声检验；

(3)模型预测

模型通过显著性检验后用来预测，预测就是利用已经建好的模型。

Images