铁路轨道的几何尺寸历史数据,体现了轨道的质量情况,对铁路工务部门有深远的作用。而根据所依据的原理之间的不同,可以分为静态检测(称之为静检)和动态检测(称之为动检)。静态检测是在检测过程中基本不存在载荷的,通过使用轨道检查仪检测轨道;而动态检测是在检测过程中存在一定的载荷,通过使用高速轨检车检测轨道;两种历史数据对于铁路工务均具有指导意义。为了使历史数据的价值充分且可靠的被利用,论文针对三个方面进行了研究:其一,在数据表现的层面,将轨道几何尺寸数据的历史数据的里程进行对齐;其二,轨道不平顺的预测问题;其三,历史数据对轨检设备的自诊断指导思路。论文的研究将为轨道的养护维修提供理论基础与可靠方法,为历史数据价值的充分使用提供思路;其目的在于保障轨道的高质量,从而能够延长其使用周期。为了达到上述目的,通常将对轨道采取特定的修理作业。一般的修理作业中,需要确定的是:作业时间(修理时间节点)、作业地点(里程段)以及作业内容(修正效果),而得到以上信息的核心便是轨道不平顺状态的变化规律;基于铁路轨道几何尺寸数据对轨道不平顺进行的预测,对铁路工务部门把握轨道质量的变化发展有着重要的意义。而历史数据的可参照性会受到里程偏差的影响,如里程段的丢失、累积里程误差,将可能会导致轨道每次检查得出的数据表现不一致,即数据波形无法对齐;论文以轨道质量指数(TQI)为观测值进行预测,提出将多组原始数据依次以某一步长进行分段验证,以互相关系数两两相互进行评价,将各组原始数据的里程对齐之后得到有效的、具备可参照性观测值。在轨道不平顺预测的内容中,提供了两项方法:一种是基于动检数据,通过自回归积分滑动平均模型(Auto-regressive Integrated Moving Average Model,简称ARIMA模型)进行预测;另一种是基于静检数据,通过其数据表现,找到与其拟合匹配程度最高的函数关系,并对轨道不平顺的发展进行数值上的预测。同时,静检数据不但能够指导调轨,而且在轨道未被调整的情况下,历史静检数据还可以反映出轨道检查仪上相应传感器是否存在工作状态异常的问题。最后,通过使用广铁集团惠州工务段提供的历史数据,将其里程对齐后得到具备可参照性的TQI数据,通过基于模型驱动的ARIMA模型进行预测,得出数据样本中的结果与相对应的实际值的相对误差均值为1.75%;根据数据驱动的思路,得出分布函数预测结果的置信度可达到92%;通过江西日月明测控科技股份有限公司提供的历史数据,参照行业标准,可以反向判定两次检查之间是否存在调轨行为;同时,当相应传感器存在异常时,历史数据表现将会在约定真值周围存在离散区间,论文专门以光纤陀螺仪为案例,对左轨向累积的静检历史数据表现进行研究;将数据残差绝对值均值与轨道检查仪相对应项目的行业标准进行对比,判定该项数据所对应的传感器工作状态是否合格;基于此,为捕捉历史数据特征以及轨检设备自诊断提供思路。