提高季节性冻土区高铁路基冻深预测精度，对保证寒区高速铁路的安全调度和平稳运行具有重要意义。针对现有季冻区高铁路基冻深预测模型缺乏利用多元环境序列信息的问题，提出一种顾及导热系数与冻土环境变量的高铁路基冻深预测LSTM模型，以兰新高铁山丹马场-民乐路段DK371+900、DK383+345和DK391+940三处断面为例，对2015-2017年冻深快速增长期的路基冻深进行预测。该模型首先利用EMD算法对导热系数与冻土环境变量时序数据进行信号分解，得到一系列具有不同特征尺度的数据序列，体现出原数据的趋势与波动性，增加数据的细节和多样性；再利用KPCA算法提取出影响路基冻深的关键因子，实现数据降维，消除因EMD产生的数据冗余；最后通过LSTM网络实现基于多变量的路基冻深预测。实验表明：该模型较传统路基冻深预测模型、EMD-LSTM模型、多变量BP神经网络模型、多变量LSTM模型有更高的精确度。模型在三处断面路基冻深预测的平均绝对误差(fmae)为0.029m、0.033m和0.060m；均方根误差(frmse)为0.036m、0.042m和0.07...

来源平台：铁道科学与工程学报