融合多源城市数据的声景预测模型训练方法和预测方法技术

本发明专利技术涉及声景预测技术领域，具体是涉及融合多源城市数据的声景预测模型训练方法和预测方法。本发明专利技术对环境数据进行统计分析，以得到与声景相关的特征，也就是得到声景训练特征，基于声景训练特征训练神经网络模型，以得到声景预测模型。采集需要预测声景的待预测地理区域内的环境数据，并对该环境数据应用声景预测模型，预测模型输出该待预测地理区域的声景信息。本发明专利技术的环境数据是已有的数据，而不需要去现场采集，也就是只要采用已有的环境数据即可预测声景信息，从而扩大了本发明专利技术声景预测方法的应用场景。而且本发明专利技术采用声景预测模型预测声景信息，能够全面准确的预测声景。

【技术实现步骤摘要】

本专利技术涉及声景预测，具体是涉及融合多源城市数据的声景预测模型训练方法和预测方法。

技术介绍

1、声景是个人或群体所感知、体验或理解的声环境，声景涵盖了环境中的所有声音，准确获知环境中的声景，可以为改善城市声景质量、保护居民健康提供技术支撑。现有技术常采用声测量仪器采集环境中的声景，而声测量仪器具有地理上的局限性，也就是不能在所有地理区域内都设置声测量仪器以测量该区域的声景。

2、综上所述，现有技术测量声景具有局限性。

3、因此，现有技术还有待改进和提高。

技术实现思路

1、为解决上述技术问题，本专利技术提供了一种融合多源城市数据的声景预测模型训练方法和预测方法，解决了现有技术测量声景具有局限性的问题。

2、为实现上述目的，本专利技术采用了以下技术方案：

3、第一方面，本专利技术提供一种融合多源城市数据的声景预测模型训练方法，其中，包括：

4、获取训练地理区域内已保存的环境数据，并对所述环境数据进行统计分析，以得到所述训练地理区域的声景训练特征；<本文档来自技高网...

【技术保护点】

1.一种融合多源城市数据的声景预测模型训练方法，其特征在于，包括：

2.如权利要求1所述的融合多源城市数据的声景预测模型训练方法，其特征在于，所述获取训练地理区域内已保存的环境数据，并对所述环境数据进行统计分析，以得到所述训练地理区域的声景训练特征，包括：

3.如权利要求1所述的融合多源城市数据的声景预测模型训练方法，其特征在于，所述神经网络模型包括特征筛选层、共享隐藏层、声强隐藏层、声源隐藏层，其中，所述特征筛选层分别与所述共享隐藏层、所述声强隐藏层、所述声源隐藏层级联，所述共享隐藏层分别与所述声强隐藏层、所述声源隐藏层级联，所述对所述声景训练特征应用神经网络模...

【技术特征摘要】

1.一种融合多源城市数据的声景预测模型训练方法，其特征在于，包括：

2.如权利要求1所述的融合多源城市数据的声景预测模型训练方法，其特征在于，所述获取训练地理区域内已保存的环境数据，并对所述环境数据进行统计分析，以得到所述训练地理区域的声景训练特征，包括：

3.如权利要求1所述的融合多源城市数据的声景预测模型训练方法，其特征在于，所述神经网络模型包括特征筛选层、共享隐藏层、声强隐藏层、声源隐藏层，其中，所述特征筛选层分别与所述共享隐藏层、所述声强隐藏层、所述声源隐藏层级联，所述共享隐藏层分别与所述声强隐藏层、所述声源隐藏层级联，所述对所述声景训练特征应用神经网络模型，得到所述神经网络模型输出的针对所述训练地理区域的声景训练标签，包括：

4.如权利要求3所述的融合多源城市数据的声景预测模型训练方法，其特征在于，所述获取所述训练地理区域的声景实测标签，依据所述声景实测标签和所述声景训练标签，计算所述神经网络模型的损失函数，并依据所述损失函数，训练所述神经网络模型，以得到声景预测模型，包括：

5.如权利要求4所述的融合多源城市数据的声景预测模型训练方法，其特征在...

【专利技术属性】
技术研发人员：涂伟，蔡钊悦，叶垚森，陈思琦，陈睿哲，余俊娴，
申请(专利权)人：深圳大学，
类型：发明
国别省市：