一种基于深度降噪自编码的机场噪声监测数据修复方法技术

本发明专利技术公开了一种基于深度降噪自编码的机场噪声监测数据修复方法，属于机场噪声监测异常修复技术领域。该方法首先利用机场的噪声监测设备获取噪声数据；接着，对噪声数据进行预处理得到样本集；然后，设置提取样本集特征的候选深度降噪自编码模型，对各模型进行网络权重初始化；接着，利用贪婪算法逐层训练各模型的参数，通过反向传播算法调整参数，得到各模型的参数值；然后，计算各模型的数据重构误差，选取误差最小的模型，提取样本集在模型中的隐含深度特征来训练支持向量回归模型；最后，利用训练得到的模型，对待修复的噪声监测数据进行预测。本方法智能度高，能准确高效地修复异常数据，有效提高了机场噪声监测数据修复的及时性和有效性。

A method of airport noise monitoring data restoration based on depth noise reduction and self coding

The invention discloses a method for repairing airport noise monitoring data based on deep noise reduction and self coding, belonging to the technical field of airport noise monitoring abnormal restoration. This method uses the noise monitoring equipment for airport noise data; then, the noise data were obtained by pretreatment of sample set; then, set the depth candidates extracted samples of self encoding model, the network weights initialization for each model; then, using the greedy algorithm by training the model parameters, through the reverse propagation algorithm to adjust the parameters to get the model parameters; then, the calculated data reconstruction error of each model, selection model of minimum error, sample set implicit depth characteristics in the model to train the support vector regression model; finally, using the trained model, to predict noise monitoring data repair. The method has high intelligence, can repair abnormal data accurately and efficiently, and effectively improves the timeliness and effectiveness of airport noise monitoring data restoration.

【技术实现步骤摘要】

本专利技术公开了一种基于深度降噪自编码的机场噪声监测数据修复方法，属于机场噪声监测异常修复

技术介绍
随着社会经济的发展，我国对航空、航天等领域的投入逐年增加，机场数量也越来越多。但是机场在为旅客和货物运输提供快速便捷的同时，与机场噪声相关的各种问题也随之而来，机场噪声问题已成为影响民航业可持续发展的障碍之一。在噪声监测点的布置上，网格状的监测点布局能把整个机场以及周边的噪声情况真实、及时、详尽地收集起来。这种布局方式需要布置相当多的监测点，而有时节点是冗余的，不仅设备资金投入大，后期设备维护也具有相当大的难度。有鉴于此，现在大部分机场采用的是在关键区域设置监测点的方式，来完成实时数据的采集并将数据传送到终端。在机场噪声监控系统的开发上，澳大利亚在部分机场上建立的噪声及航迹监控系统(NFPMS)，该系统不仅有监控传感系统，还有配套的管理软件；美国的芝加哥机场也建有机场噪声实测系统，该系统包含固定噪声监测网络子系统和连接美国联邦航空局(FederalAviationAdministration，FAA)的空中交通管制雷达的飞机飞行路线子系统，每天记录和存储超过5万个数据点。本文档来自技高网...

【技术保护点】
一种基于深度降噪自编码的机场噪声监测数据修复方法，其特征在于，包括如下步骤：步骤1：利用布局在机场周边的噪声监测设备获取各个监测点的噪声数据；步骤2：对获取到的机场噪声监测数据进行预处理得到样本集；步骤3：设置用于提取机场噪声数据特征的候选深度降噪自编码网络，对其中的每个模型进行网络权重的初始化；步骤4：利用贪婪算法逐层训练每个模型的网络参数，通过反向传播算法调整网络参数，得到各个模型学习后的参数值；步骤5：计算每个模型的数据重构误差，选取重构误差最小的模型，提取机场噪声监测数据样本集在模型中的隐含深度特征来训练支持向量回归模型；步骤6：利用训练得到的支持向量回归模型，对待修复的机场噪声监测数...

【技术特征摘要】
1.一种基于深度降噪自编码的机场噪声监测数据修复方法，其特征在于，包括如下步骤：步骤1：利用布局在机场周边的噪声监测设备获取各个监测点的噪声数据；步骤2：对获取到的机场噪声监测数据进行预处理得到样本集；步骤3：设置用于提取机场噪声数据特征的候选深度降噪自编码网络，对其中的每个模型进行网络权重的初始化；步骤4：利用贪婪算法逐层训练每个模型的网络参数，通过反向传播算法调整网络参数，得到各个模型学习后的参数值；步骤5：计算每个模型的数据重构误差，选取重构误差最小的模型，提取机场噪声监测数据样本集在模型中的隐含深度特征来训练支持向量回归模型；步骤6：利用训练得到的支持向量回归模型，对待修复的机场噪声监测数据进行预测。2.根据权利要求1所述的一种基于深度降噪自编码的机场噪声监测数据修复方法，其特征在于：所述步骤2的具体内容为：对机场噪声监测点实测数据集进行归一化处理，得到预处理之后的机场噪声样本集。3.根据权利要求1所述的一种基于深度降噪自编码的机场噪声监测数据修复方法，其特征在于：所述步骤3的...

【专利技术属性】
技术研发人员：陈海燕，杜婧涵，张魏宁，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32