Page 185 - 《振动工程学报》2026年第3期

第 3 期 何 卫，等： 实测数据驱动的地铁振动源强 MLP 神经网络预测方法 785

电门电压时程曲线的波动区间，实现过车段振动加 C VB = C V + C W + C R + C T + C D + C B + C TD （2）
速度时程的自动识别和精确截取，如图 2（a）~（c）所 式中，C VB 为振动修正值，C V 为列车速度修正值，C W
示；然后对过车段数据进行预处理，去除趋势项，得 为轴重和簧下质量修正值，C R 为轮轨条件修正值，
到有效数据；最后计算其最大 Z 振级和三分之一倍 C T 为轨道型式修正值，C D 为距离衰减修正值，C B 为
频程的分频振级，如图 2（d）所示。数据批量化处理 建筑物类型修正值，C TD 为行车密度修正值，单位均
流程如图 3 所示。 为 dB；前 4 项修正面向振动源强，后 3 项修正面向传
播途径。
本文的预测对象为振动源强，故确定 5 个输入
特征：减振措施等级、土体类型、列车速度、列车轴重
图 3 数据批量化处理流程
和车轮不圆度。
Fig. 3 Batch processing flow for data
2. 1 影响振动源强不确定性的因素分析
《城 市 区 域 环 境 振 动 测 量 方 法》（GB 10071―
［18］
88） 规定：振动加速度级是加速度与基准加速度之 地铁振动源强受到以上多种因素的复合作用，
比 的 以 10 为 底 的 对 数 乘 以 20，记 为 VAL，单 位 为 实测结果通常呈现出较大的离散性。从 52 个断面
dB，其计算公式如下： 中选取 1 个典型地铁振动实测断面，用于展现其振

a rms 动的离散性。如图 4 所示，道床和隧道壁振动均表
VAL = 20 lg （1）
现出较大的离散性，全天所有车次下该断面隧道壁
a 0
式 中 ，a rms 为 振 动 加 速 度 有 效 值 ；a 0 为 基 准 加 速 度 ，
最大 Z 振级波动幅度可达 15 dB。进一步给出所有
a 0 =10 m/s 。
-6
2
投运列车全天多次通过该断面的最大 Z 振级箱形
按照规范规定的全身振动不同频率计权因子修
图，如图 5 所示。图 5 中，红色数字为列车趟次。该
正后得到的振动加速度级，简称为振级，记为 VL，
线路共投运 A 型车 11 列（编号 1~11），根据运营图，
单位为 dB。在城市轨道交通环境振动评价工作中
每列车全天开行 11~14 趟次，线路全天共运营 139
采用铅垂向 Z 振级，记为 VL Z ，单位为 dB。
趟次。
1. 3 数据集组成
处理 52 个断面的实测数据，最终得到有效振动
源强数据 8022 条。数据集组成如表 1 所示。
表 1 数据集组成
Tab. 1 Composition of the dataset
断面条件 范围/数量
一般减振：22，中等减振：10，
减振措施等级 a
高等减振：11，特殊减振：9
b
列车速度 /（km·h ） 42.3~90.2
-1
土体类型 中硬土：35，中软土：17 图 4 全天最大 Z 振级
车型 A 型车：19，B 型车：33 Fig. 4 Maximum Z vibration level in a day
c
线型 直线：50，曲线 ：2
隧道埋深/m 5~27
全天过车趟次 125~181
［19］
注：a. 依据《地铁噪声与振动控制规范》（DB11/T 838―2019） ，按 Z
振级插入损失进行分类；b.所有断面的列车速度范围，同一断面车
速的波动较小；c.曲线隧道半径约为 2000 m，可近似视为直线。

2 数据集特征分析

如第 1 节所述，由于类比测试中很难匹配所有 图 5 各列车对应最大 Z 振级箱形图
的类比条件，往往需要对结果进行修正。《环评导则》 Fig. 5 Box plot of maximum Z vibration level corresponding
给出了预测修正值： to each train