铁路作为庞大的系统,覆盖范围广、服务种类多、涉及工种复杂,且储备着大量的计划、运营、维修等数据,行业特点使得铁路与大数据技术的融合将会推动铁路的变革并能为铁路行业创造更大的价值。专项整治是高速铁路设施设备维护的重要工作,专线整治基金是高速铁路运营期重要的投资,而在管理领域尚缺乏统一的管理。专项整治项目信息大多以文本、报告等非结构化形式存储,难于进行数据分析,专项整治决策大多依靠人工经验,因此利用既有数据辅助进行专项整治项目决策,对于提高砂浆离缝病害专项整治管理水平具有重要的理论和现实意义。论文针对高速铁路CRTS II型轨道板离缝问题中的砂浆离缝病害整治管理问题进行深入研究。通过大数据技术对既有繁杂、冗余的砂浆离缝病害数据进行处理,对砂浆离缝病害的影响因素、表现形式进行了探讨,并分离的有效数据采用数据融合的方式归纳得到数据集,将病害影响因素、表现形式融合归纳为病害静态特征数据与病害动态特征数据,对砂浆离缝病害提出了新的特征描述框架,为砂浆离缝病害信息的多维度统计分析奠定数据基础。基于提出的砂浆离缝病害整体框架,对病害伤损程度的分类进行了研究,结合大数据技术与算法提出新的病害分类模型——BDAJ(Big Data And Judgment)分类模型,该分类法根据AHP层次分析法和熵权法计算砂浆离缝病害静态数据与动态数据的权重,再利用机器学习无监督学习进行聚类分析,最后通过线性判别式分析训练聚类的结果得到病害分类模型。依托于分类模型,研究提出基于神经网络的砂浆离缝专项整治费用预测模型,通过既有整治离缝病害费用文件与整治费用支出分析得到神经网络的训练集,制定合理的神经网络结构训练得到砂浆离缝专项整治费用预测模型,通过基于数据的费用预测模型简化了现有费用预测步骤。为了更系统的管理、研究离缝病害,本文构造了离缝病害知识图谱。将离缝病害数据通过Protégé进行本体建模,通过调用py2neo将形成的RDF数据模型存入Neo4j图数据库中,可视化离缝病害知识图谱,通过知识图谱可以实现病害维修的冲突检测等。最后,论文结合铁路高速铁路上砂浆离缝病害整治的实际工作情况,建立四级管理模式,结合研究成果、责任划分等进行离缝病害管理的流程梳理,得到病害整治分工管理全过程的流程图,实现砂浆离缝病害周期整治管理。论文以大数据思想为基础研究高速铁路离缝病害整治管理过程,将大数据技术应用于高速铁路离缝病害整治项目,为大数据技术在铁路病害管理应用方面提供借鉴。