2021年6月16日，在同济大学通达馆A315室进行了2021届硕士研究生毕业论文答辩。此次参与答辩的学生包括徐新晨、贺俊翔、郑智，他们的论文题目分别是《基于数据驱动的城轨列车运行模型研究》、《生态道路综合评价体系研究》、《基于机器学习的车载ATP设备健康指数研究》。答辩委员会成员包括指导老师曾小清教授、沈拓老师，答辩主席董德存教授，潘洪亮老师，以及答辩秘书毋妙丽老师。

徐新晨论文的领域为列车运行模型研究，该论文考虑到列车运行的实际环境的动态性，实现了基于数据驱动的列车时变参数辨识。基于黑箱和白箱的建模理论，提出了基于数据挖掘算法的灰箱建模方法，构建了融合动力学特征的列车运行模型。以上海市轨道交通的列车运行数据作为实验数据，从运行效率、预测误差、算法稳定性等角度，对比了参数辨识算法和数据挖掘算法的效果。分析了融合动力学特征的长短时记忆网络多步预测能力。数据挖掘的方法比果蝇优化的平均运算时间快超60%，挖掘法比辨识法的平均绝对误差在平滑数据、波动数据时降低5.63%、20.94%。两种数据驱动方法都省去了现场工程实验的繁琐，且不需要复杂的系统机理知识。

贺俊翔论文的领域为生态道路研究，研究生态道路理念与常用建设技术，通过生态道路的理念的辨析，明确生态道路的定义、理论基础以及发展目标。通过调研国内外生态道路建设现状并总结常用的生态道路建设技术，为后续研究做好前期准备工作。搭建了生态道路综合评价指标体系，通过对生态道路理念以及国内外生态道路工程案例的研究与整理，构建出一套适应我国生态道路建设的生态道路综合评价指标体系。计算生态道路各评价指标的权重系数——量化研究，通过对比不同的确定权重的方法，确定一个符合生态道路特征的指标权重系数计算方法。通过上海市科委示范生态道路项目——上海崇明岛建设公路的实例分析来检验本论文提出的生态道路评价指标体系与评价方法的评价效果。

郑智的研究领域为轨道设备健康指数研究。改论文建立了以欧氏距离为基础的健康指数计算模型。通过神经网络的学习，可以有效的消除在计算欧氏距离值时一些异常值，避免单一的欧式距离值影响健康指数计算结果。建立了健康指数线性回归模型。该方法的主要思想是，利用编解码模型计算重构序列与原始序列的差值，将差值归一化作为该时刻下的健康指数，将该健康指数放入到线性回归方程中，建立健康指数线性回归模型。建立了综合健康指数模型。选出可靠性更高的一种方法作为健康指数计算模型，对车载ATP系统建立综合健康指数模型，考虑不同设备对健康指数的影响，预测出最终的车载ATP系统健康指数。

会上，学生就论文内容向答辩委员作了详细汇报，并对答辩委员提出的问题作了细致的回答，经答辩委员会讨论和投票表决，一致同意通过论文答辩。