一种声环境数据监测方法及系统技术方案

本发明专利技术实施例公开了一种声环境数据监测方法及系统，获取各个噪声检测子站上传的监测区域内的环境噪声数据构成的环境噪声数据集合，并对环境噪声数据集合进行统计分析，确定环境噪声数据集合所对应的每个噪声类型下的各个噪声源的噪声数据，依据确定的每个噪声类型下的各个噪声源的噪声数据，确定监测区域对应的噪声分布地图，根据监测区域对应的噪声分布地图，针对监测区域生成对应的监测状态数据并展示到对应的状态界面中。如此，通过对噪声源和噪声类型进行统计分析并确定监测区域对应的噪声分布地图，由此生成对应的监测状态数据展示到对应的状态界面，可以实现针对噪声源的状态实时自动化监测。的状态实时自动化监测。的状态实时自动化监测。

【技术实现步骤摘要】
一种声环境数据监测方法及系统


[0001]本专利技术涉及噪声环境监测
，具体而言，涉及一种声环境数据监测方法及系统。

技术介绍

[0002]近年来，环境污染问题越来越严重，尤其是噪声污染持续加重，对人们的工作、生活和学习造成了巨大困扰，极大损害了人们的身心健康，因而受到了社会各界的广泛关注。因此为转变这些现状，应加强噪声检测工作，为噪声污染治理提供可靠、有效的参考依据。这样才能最大限度减少噪声污染，改善人们的生活环境。然而在当前公开方案中，缺乏针对噪声源的状态实时自动化监测方案。

技术实现思路

[0003]有鉴于此，本专利技术实施例提供一种声环境数据监测方法及系统。
[0004]第一方面，本专利技术实施例提供一种声环境数据监测方法，应用于声环境数据监测系统，包括：获取各个噪声检测子站上传的监测区域内的环境噪声数据构成的环境噪声数据集合，并对所述环境噪声数据集合进行统计分析，确定所述环境噪声数据集合所对应的每个噪声类型下的各个噪声源的噪声数据；依据确定的每个噪声类型下的各个噪声源的噪声数据，确定所述监测区域对应的噪声本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种声环境数据监测方法，应用于声环境数据监测系统，其特征在于，包括：获取各个噪声检测子站上传的监测区域内的环境噪声数据构成的环境噪声数据集合，并对所述环境噪声数据集合进行统计分析，确定所述环境噪声数据集合所对应的每个噪声类型下的各个噪声源的噪声数据；依据确定的每个噪声类型下的各个噪声源的噪声数据，确定所述监测区域对应的噪声分布地图；根据所述监测区域对应的噪声分布地图，针对所述监测区域生成对应的监测状态数据并展示到对应的状态界面中。2.根据权利要求1所述的声环境数据监测方法，其特征在于，所述对所述环境噪声数据集合进行统计分析，确定所述环境噪声数据集合所对应的每个噪声类型下的各个噪声源的噪声数据，具体包括：依据预先训练的噪声类型分析模型对所述环境噪声数据集合进行噪声类型分析，确定所述环境噪声数据集合对应的各个噪声类型以及每个噪声类型下的噪声类型数据；获取所述噪声类型数据所携带的传声器声源定位数据和视频流采集数据，其中，所述传声器声源定位数据为当每个噪声源产生时通过传声器阵列的噪声位置数据；依据所述传声器声源定位数据从所述视频流采集数据查找每个噪声源触发时刻的声学定位图像数据；将每个噪声源的所述噪声位置数据和所述声学定位图像数据作为该噪声源的噪声源数据，以获得每个噪声类型下的各个噪声源的噪声数据。3.根据权利要求2所述的声环境数据监测方法，其特征在于，所述依据预先训练的噪声类型分析模型对所述环境噪声数据集合进行噪声类型分析，确定所述环境噪声数据集合对应的各个噪声类型以及每个噪声类型下的噪声类型数据，具体包括：将所述环境噪声数据集合的每个环境噪声数据加载到符合噪声分析应用部署要求的噪声类型分析模型中的噪声规律训练分支，确定所述环境噪声数据对应环境噪声特征场景对应的目标噪声规律变量图；将所述目标噪声规律变量图加载到基础噪声类型分析模型的噪声类型映射分支，确定所述环境噪声数据的噪声类型信息；所述噪声类型映射分支和所述噪声规律训练分支之中的其中一个或者两个组合AI训练分支，是依据基础噪声类型分析模型对模板环境噪声数据的决策环境噪声特征场景和模板环境噪声特征场景之间的训练偏差度量值、以及依据所述基础噪声类型分析模型对所述模板环境噪声数据的决策噪声类型信息和模板噪声类型信息之间的训练偏差度量值进行权重参数层优化生成的。4.根据权利要求3所述的声环境数据监测方法，其特征在于，所述噪声类型映射分支和所述噪声规律训练分支之中的其中一个或者两个组合AI训练分支，是依据基础噪声类型分析模型对模板环境噪声数据的决策环境噪声特征场景和模板环境噪声特征场景之间的训练偏差度量值、以及依据所述基础噪声类型分析模型对所述模板环境噪声数据的决策噪声类型信息和模板噪声类型信息之间的训练偏差度量值进行权重参数层优化生成，具体包括：从模板环境噪声学习数据库中获取信任认证的环境噪声基础数据的模板环境噪声学
习数据，所述模板环境噪声学习数据包括模板环境噪声数据、模板环境噪声学习数据的模板噪声类型信息和模板环境噪声特征场景；将所述模板环境噪声数据加载到所述噪声规律训练分支得到所述模板环境噪声数据的噪声规律变量图，并将所述噪声规律变量图加载到所述噪声类型映射分支生成所述模板环境噪声数据的决策噪声类型信息；将所述噪声规律变量图加载到基础噪声类型分析模型，输出所述模板环境噪声数据的决策环境噪声特征场景；依据所述决策噪声类型信息与所述模板噪声类型信息之间的第一训练偏差度量值，以及所述决策环境噪声特征场景与所述模板环境噪声特征场景之间的第二训练偏差度量值，解析获得参考训练偏差度量值；依据所述参考训练偏差度量值对所述噪声规律训练分支和所述噪声类型映射分支中其中一个或者两个组合AI训练分支的分支功能函数层信息进行参数层迭代优化，直到所述参考训练偏差度量值不再继续下降，确定符合噪声分析应用部署要求的噪声类型分析模型。5.根据权利要求4所述的声环境数据监测方法，其特征在于，所述模板环境噪声数据为所述信任认证的环境噪声基础数据的环境噪声趋势数据，所述噪声规律训练分支包括第一规律训练分支和第二规律训练分支，其中：所述将所述模板环境噪声数据加载到所述噪声规律训练分支得到所述模板环境噪声数据的噪声规律变量图，具体包括：依据所述第一规律训练分支对所述环境噪声趋势数据进行环境噪声趋势变量挖掘，确定对应的环境噪声趋势变量序列，并对所述环境噪声趋势变量序列进行噪声趋势频繁成员变量挖掘，确定各个环境噪声趋势变量对应的噪声趋势频繁成员变量信息，确定噪声趋势频繁成员特征；依据所述第二规律训练分支对所述噪声趋势频繁成员特征进行噪声规律变量图生成，确定所述噪声规律变量图。6.根据权利要求5所述的声环境数据监测方法，其特征在于，所述基础噪声类型分析模型包括对应于不同噪声类型分析方案的第一基础噪声类型分析模型和第二基础噪声类型分析模型，所述决策环境噪声特征场景具体确定方式包括：将所述噪声趋势频繁成员特征加载到所述第一基础噪声类型分析模型获得第一决策环境噪声特征场景，并将所述噪声规律变量图加载到所述第二基础噪声类型分析模型获得第二决策环境噪声特征场景...

【专利技术属性】
技术研发人员：陈谦，杨嘉莉，李晓蓉，
申请(专利权)人：四川三元环境治理股份有限公司，
类型：发明
国别省市：