城市噪声岛模型研究及其在噪声监测点位优化中的应用

摘要

随着现代工业生产、交通运输和城市建设的迅速发展以及城市化进程的不断加快,城市环境噪声作为日益突出的环境污染问题,日趋严重的影响人们的正常生活。城市环境噪声监测己成为整个环境监测体系中的一个重要组成部分。城市环境噪声监测的目的在于确定各类区域噪声水平,研究城市环境噪声的变化趋势,及时、准确地反映区域环境噪声状况,帮助环境管理部门进行宏观控制、制定合理的环境保护对策和措施。因此,能否正确反映城市环境噪声真实情况,成为衡量城市噪声监测水平的根本标志。
　　 目前,我国多数城市采用的噪声监测点位选取方法都具有一定局限性,使得监测点位的空间分布不尽合理。因此寻找一种科学的优化噪声监测点位的方法成为实际工作中亟待解决的问题,安装在线自动噪声监测设备已经成为目前发展的必然趋势。应用科学的优化噪声监测点位的方法,可以完成对区域噪声污染的正确评价,对环境决策和规划具有重要意义。
　　 本论文由吉林省环保局科技项目资助(编号:吉环科字第2008-23号),首先以长春市人民大街等主要干道的交通噪声状况为例,采用BP神经网络为主要技术手段,对噪声脉模型进行建模,选取了交通噪声最佳监测点位,并在此基础上运用灰色系统理论,研究了最小失真点位的选取与优化规则;然后分别选取长春市某一类声环境功能区、某二类声环境功能区的区域噪声为研究对象,采用具有流动权值的集成神经网络对噪声岛模型进行建模,选取了噪声岛曲面的最少支撑点位,并且首次采用矩阵灰色绝对关联度理论,研究了“噪声岛”最小失真点位的选取方法。经实验验证,城市“噪声岛”模型在交通噪声、区域噪声监测点位优化中取得了很好的效果,具有一定的推广价值。

目录

文摘

英文文摘

第一章 引言

1.1 课题背景

1.2 城市声环境概况

1.3 国内外噪声监测点位优化方法的研究

1.4 噪声岛模型法

1.4.1 噪声岛的概念

1.4.2 噪声岛模型法与噪声地图的异同

1.5 论文的研究思想及求解途径

1.6 论文安排

第二章 论文的理论支持、算法实现

2.1 BP网络基本算法介绍

2.2 神经网络集成技术基本理论

2.3 基于神经网络集成的噪声岛曲面拟合

2.3.1 选取神经网络子网络训练集的生成方法

2.3.2 确定神经网络类型

2.3.3 神经网络的集成方法

2.4 灰系统理论介绍

2.5 矩阵灰色关联度

第三章 噪声岛模型在一维交通噪声监测点位优化中的应用

3.1 交通噪声数据预处理

3.2 噪声脉建模、拟合、去冗余点算法的MATLAB编程实现

3.3 噪声脉最少支撑点、最小失真点的选择准则

3.4 噪声脉模型在蜿蜒交通线监测点位优化中的应用

第四章 噪声岛模型在二维区域噪声监测点位优化中的应用

4.1 一类声环境功能区噪声数据预处理

4.2 噪声岛建模、拟合算法的MATLAB编程实现

4.3 噪声岛最少支撑点的选择方法

4.4 类声环境功能区噪声岛建模过程及结果

4.4.1 最少支撑点的选取结果

4.4.2 最小失真点的选取方法

第五章 结论及以后工作展望

参考文献

致谢

在学期间公开发表论文及著作情况