摘要：客貨共線無砟軌道的軌道質量指數(TQI)具有隨時間長期緩慢變化并伴隨平穩波動的特點,而現有的預測模型難以預測這種變化。基于小波和時間序列分析預測方法,提出ARMA-BP神經網絡和ARMA-SVR預測模型。通過小波分析將TQI時間序列分解為高頻和低頻2個部分,采用ARMA模型對高頻部分建模,分別采用BP神經網絡和支持向量回歸SVR模型對低頻部分建模,最后對高頻和低頻進行綜合預測。此方法可根據具體情況對具有不同特性的TQI時間序列進行針對性建模,提高預測精度。運用此方法對包西線和太中線10個無砟軌道區段TQI時間序列進行預測,結果表明:ARMA-BP神經網絡與ARMA-SVR的建模精度平均值分別為98.1%和98.5%,后驗差分別為0.31和0.21,均達到1級;前者對已知數據的擬合精度高,而后者對未知數據預測能力較強、泛化能力更突出。