【技術實現步驟摘要】
本專利技術涉及噪聲監測，更具體地說，涉及一種噪聲投訴溯源定位和分類評價方法。
技術介紹
1、隨著社會工業化、城鎮化的快速發展，環境污染已經成為一個不容忽視的嚴重社會問題。噪聲污染因其獨特的不確定性、不易測量性、暴露性等特點，而成為環境污染的一種新形式。近年來，由于工業生產、交通運輸、城市擴張、居民生活等多方面的影響，各種噪聲源越來越多，強度越來越強，性質越來越復雜，危害也越來越嚴重。
2、目前噪聲評價方法主要有人工分析評價、夜間噪聲自動監測站、噪聲分析軟件等，其中人工分析評價方法主要通過專業技術人員或監測人員通過檢測儀器進行人工噪聲檢測及評價。
3、目前噪聲檢測投訴溯源定位分類的方法主要從交通噪聲檢測點、監測站點、監測區域出發，構建基于地理信息系統的交通噪聲快速評價系統，以gis為平臺，通過監測點噪聲實測值和理論模型噪聲值對比，進行交通噪聲評價，評價效率較低，對于社會廣泛分布的噪聲源，難以滿足對噪聲源的有效溯源和檢測，鑒于此，我們提出一種噪聲投訴溯源定位和分類評價方法。
技術實現思路
1、本專利技術的目的在于提供一種噪聲投訴溯源定位和分類評價方法，以解決當前噪聲評價方法，評價效率較低，對于社會廣泛分布的噪聲源，難以滿足對噪聲源的有效溯源和檢測的技術問題。
2、為解決上述技術問題，本專利技術提供如下技術方案：一種噪聲投訴溯源定位和分類評價方法，包括如下步驟：
3、s1：采集噪聲投訴數據，根據噪聲投訴數據進行噪聲大時間尺度特征分析，得到每
4、s2：對每個網格的噪聲投訴頻數進行時間序列建模，得到每個網格的噪聲投訴時間序列模型；
5、s3：計算每個網格的噪聲投訴時間序列殘差波動程度；
6、s4：對噪聲投訴時間序列殘差波動程度進行特征提取，得到噪聲投訴時間序列殘差波動程度特征數據集；
7、s5：采集噪聲事件數據，根據噪聲事件數據計算每個噪聲事件的影響范圍及對應位置的網格；
8、s6：根據每個網格所在地區受噪聲事件影響情況，對每個噪聲事件影響中的網格進行分類，建立分類模型，得到每個噪聲投訴時間序列殘差波動程度特征的分類模型；
9、s7：計算每個網格及周圍網格的噪聲投訴時間序列殘差波動程度特征，將每個網格及周圍網格進行網格合并，得到合并后的網格，重復s6建立合并后網格的分類模型；
10、s8：根據合并后網格的分類模型，得到每個網格對于每個噪聲事件的噪聲影響程度特征；
11、s9：根據每個合并后網格的平均噪聲投訴時間序列殘差波動程度特征向量，得到每個網格所受每個噪聲事件的噪聲影響程度特征。
12、本專利技術通過采集噪聲投訴數據和噪聲事件數據，結合網格化處理，以計算得到每個噪聲事件的影響范圍及對應位置的網格，配合分類模型，得到每個網格的噪聲影響程度特征，解決了目前噪聲污染追溯方法成本高、效率低、準確率低的問題，本專利技術不僅提高了噪聲投訴管理的精細度，提高了溯源的準確率，且大大提高了工作效率，節約了人力物力，進一步的提高了對噪聲的管理水平。
13、優選地，所述步驟s1還包括下列步驟：
14、s101：采集噪聲投訴數據，將每個投訴事件所在位置進行網格化，得到網格位置，根據網格投訴頻數向量表示每個網格的噪聲投訴頻數，設為網格的噪聲投訴頻數向量，為網格的噪聲投訴頻數，為連續時間段內網格所在地區受到的噪聲投訴次數，為總網格數，其關系為：，式中，表示在第個連續時間段內網格所在地區受到的噪聲投訴次數，為噪聲事件發生地點的網格；
15、s102：構建每個網格的噪聲投訴頻數向量序列；
16、s103：選取每個網格的噪聲投訴頻數向量中的最大值，得到每個網格的最大值向量序列并構建噪聲投訴大時間尺度網格特征數據集：
17、其中，噪聲投訴頻數向量中的最大值表示：設；
18、則，表示在向量中的各連續時間段內的投訴頻數取最大值構建的噪聲投訴大時間尺度網格特征數據集。
19、優選地，所述步驟s2還包括下列步驟：
20、s201：對每個網格的噪聲投訴頻數進行時間序列建模；
21、對噪聲投訴頻數時間序列建立自回歸移動平均模型：，式中，為噪聲投訴大時間尺度網格特征中的噪聲投訴頻數，是網格在過去時刻的噪聲投訴頻數，為時間序列模型系數向量中網格的時間序列模型系數，為模型誤差向量，為自回歸階數；
22、s202：根據噪聲投訴大時間尺度網格特征數據集及每個網格的時間序列模型系數向量，得到每個網格的噪聲投訴時間序列模型：，式中，表示網格在時刻的噪聲投訴頻數的預測值，是移動平均部分的系數，是時刻的模型誤差向量中的元素。
23、優選地，所述步驟s3還包括下列步驟：
24、s301：根據每個網格的噪聲投訴時間序列模型及噪聲投訴頻數向量，得到每個網格的時間序列殘差向量，所述時間序列殘差向量表示為：，式中，為時間序列殘差向量，是根據時間序列模型預測的噪聲投訴頻數向量；
25、其中，每個網格的方差向量的均值為：?，式中，是向量中的第個元素，為向量維度；
26、s302：根據每個網格的方差向量得到每個網格的噪聲投訴時間序列殘差波動程度：
27、；
28、式中，為每個網格的噪聲投訴時間序列殘差波動程度。
29、優選地，所述步驟s4還包括下列步驟：
30、s401：對每個網格的噪聲投訴時間序列殘差波動程度進行特征提取，得到每個網格的噪聲投訴時間序列殘差波動程度特征：，式中，表示網格的噪聲投訴時間序列殘差波動程度特征，為特征提取函數；
31、s402：根據每個網格的噪聲投訴時間序列殘差波動程度特征得到噪聲投訴時間序列殘差波動程度特征數據集。
32、優選地，所述步驟s5還包括下列步驟：
33、s501：采集噪聲事件數據，獲取噪聲事件數據和噪聲事件屬性數據，根據噪聲事件屬性數據計算每個噪聲事件的影響范圍；
34、s502：根據每個噪聲事件發生地點的經緯坐標得到每個噪聲事件發生地點的網格坐標；
35、s503：根據每個噪聲事件發生地點的網格坐標計算對應位置的網格。
36、優選地，所述步驟s6還包括下列步驟：
37、s601：根據每個噪聲事件發生地點的網格，以及每個噪聲事件影響地點的網格，對每個噪聲事件影響中的網格進行分類，得到噪聲事件對每個噪聲投訴中的網格的分類結果，構建噪聲投訴時間序列殘差波動程度特征的分類訓練集；所述分類結果分為受噪聲事件影響和不受事件影響；
38、s602：根據噪聲投訴時間序列殘差波動程度特征的分類訓練集，建立每個網格的svm分類模型，得到每個噪聲投訴事件影響程度特征的分類模型；
39、其中，分類模型建立過程如下：
40、利用徑向基核函數：，式中，為徑向基核函數，和為噪聲事件發生地點的網格本文檔來自技高網...
【技術保護點】
1.一種噪聲投訴溯源定位和分類評價方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的一種噪聲投訴溯源定位和分類評價方法，其特征在于，所述步驟S1還包括下列步驟：
3.根據權利要求2所述的一種噪聲投訴溯源定位和分類評價方法，其特征在于，所述步驟S2還包括下列步驟：
4.根據權利要求3所述的一種噪聲投訴溯源定位和分類評價方法，其特征在于，所述步驟S3還包括下列步驟：
5.根據權利要求4所述的一種噪聲投訴溯源定位和分類評價方法，其特征在于，所述步驟S4還包括下列步驟：
6.根據權利要求5所述的一種噪聲投訴溯源定位和分類評價方法，其特征在于，所述步驟S5還包括下列步驟：
7.根據權利要求6所述的一種噪聲投訴溯源定位和分類評價方法，其特征在于，所述步驟S6還包括下列步驟：
8.根據權利要求7所述的一種噪聲投訴溯源定位和分類評價方法，其特征在于，所述步驟S8還包括下列步驟：
9.根據權利要求6所述的一種噪聲投訴溯源定位和分類評價方法，其特征在于，所述噪聲事件屬性數據包括噪聲事件類型及該噪聲
10.一種噪聲投訴溯源定位和分類評價系統，其使用權利要求1-9任意一項所述的噪聲投訴溯源定位和分類評價方法，其特征在于，包括：
...【技術特征摘要】
1.一種噪聲投訴溯源定位和分類評價方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的一種噪聲投訴溯源定位和分類評價方法，其特征在于，所述步驟s1還包括下列步驟：
3.根據權利要求2所述的一種噪聲投訴溯源定位和分類評價方法，其特征在于，所述步驟s2還包括下列步驟：
4.根據權利要求3所述的一種噪聲投訴溯源定位和分類評價方法，其特征在于，所述步驟s3還包括下列步驟：
5.根據權利要求4所述的一種噪聲投訴溯源定位和分類評價方法，其特征在于，所述步驟s4還包括下列步驟：
6.根據權利要求5所述的一種噪聲投訴溯源定位和分類評價方法，其特征在于，所述步驟s5還包括下列步驟...
【專利技術屬性】
技術研發人員：曾嘉強，楊雷峰，張音波，范東平，梁雪儀，姚雅雯，余曉東，
申請(專利權)人：生態環境部華南環境科學研究所生態環境部生態環境應急研究所，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。