【技术实现步骤摘要】
一种城市交通噪声预测方法
本专利技术属于交通噪音预测方法
，具体涉及一种城市交通噪声预测方法。
技术介绍
道路交通是城市环境噪声的主要来源，噪声对人的身心健康、公共卫生和劳动效率有着重要影响，因此对环境噪声进行预测建模是非常重要的。目前交通噪声预测技术主要是基于回归分析，不足以描述噪声的变化趋势，存在严重不足。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术的不足，提供一种城市交通噪声预测方法，以解决上述
技术介绍
中提出的目前交通噪声预测技术主要是基于回归分析，不足以描述噪声的变化趋势的问题。为解决上述技术问题，本专利技术采用的技术方案是：一种城市交通噪声预测方法，包括以下步骤：S1、在城市道路的观测点测量并记录交通噪声影响因子数据，利用影响因子数据建立交通噪声影响因子数据库，并将影响因子数据进行归一化处理；S2、确定遗传算法参数，以影响因子的选择与否编码成位串形式产生初始种群；S3、利用对遗传算法参数的设置完成影响因子组合最优解搜索；S...
【技术保护点】
1.一种城市交通噪声预测方法，其特征在于，包括以下步骤：/nS1、在城市道路的观测点测量并记录交通噪声影响因子数据，利用影响因子数据建立交通噪声影响因子数据库，并将影响因子数据进行归一化处理；/nS2、确定遗传算法参数，以影响因子的选择与否编码成位串形式产生初始种群；/nS3、利用对遗传算法参数的设置完成影响因子组合最优解搜索；/nS4、以S3获得的影响因子组合最优解搜索为基础，利用Gamma-Test非线性数据分析方法，以Gamma值最小为标准在校准和测试模型之前选择最佳的影响因子输入，获取最优影响因子组合；/nS5、将S4中获取最优影响因子组合，通过M-Test产生一个...
【技术特征摘要】
1.一种城市交通噪声预测方法，其特征在于，包括以下步骤：
S1、在城市道路的观测点测量并记录交通噪声影响因子数据，利用影响因子数据建立交通噪声影响因子数据库，并将影响因子数据进行归一化处理；
S2、确定遗传算法参数，以影响因子的选择与否编码成位串形式产生初始种群；
S3、利用对遗传算法参数的设置完成影响因子组合最优解搜索；
S4、以S3获得的影响因子组合最优解搜索为基础，利用Gamma-Test非线性数据分析方法，以Gamma值最小为标准在校准和测试模型之前选择最佳的影响因子输入，获取最优影响因子组合；
S5、将S4中获取最优影响因子组合，通过M-Test产生一个稳定的渐近线以确定BP神经网络模型训练数据的需求量，以获得给定质量的非线性交通噪声预测模型；
S6、利用Gamma-Test获得的最优影响组合因子构建一个BP神经网络模型，并以S5获得的数据量对BP神经网络模型进行训练，完成城市交通噪音的预测。
2.根据权利要求1所述的一种城市交通噪声预测方法，其特征在于，在S1中，影响因子包括大型车数量及平均速度、中型车数量及平均速度、轿车数量及平均速度、摩托车数量及平均速度、路段长度和宽度、测点周围建筑物高度和测点距中心线距离共12个影响因子。
3.根据权利要求1所述的一种城市交通噪声预测方法，其特征在于，在S1中，数据进行归一化处理具体为设原输入数据为x1、x2、x3…xn，则归一化数据为：
其中：yi∈[0.1，0.9]。
4.根据权利要求1所述的一种城市交通噪声预测方法，其特征在于，在S2中，所述遗传算法参数包括种群大小、变异概率、交叉概率和梯度适应度四个参数。
5.根据权利要求1所述的一种城市交通噪声预测方法，其特征在于，在S4中，Gamma-Test具体过程为
设给定的交通噪声训练样本数据为：
{x1(i)，…，xm(i)，Leq(i)}＝{(xi，Leqi)|1≤i≤M}
其中：xi是输入样本，
Leqi是等效连续声压级，
M为样本个数，
m是输入样本嵌入维数，
xi包含对输出Leqi有预测作用的因子，则输入xi和输出Leqi之间的关系可以分解为：
Leqi＝f(x1，…，xm)+r
式...
【专利技术属性】
技术研发人员：邹大勇，邹龑，杜海顺，王保忠，
申请(专利权)人：河南大学，
类型：发明
国别省市：河南;41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。