基于多噪声监测点机场噪声时空序列预测模型研究

发布时间：2019-11-02 10:51

【摘要】：民航业促进国民经济繁荣发展的同时也不可避免地带来机场噪声问题。为了应对日益严重的机场噪声污染问题，国内外通用的做法是为大型机场安装机场噪声与运行监测系统。通过在机场周边布置若干固定噪声监测点，实时测量记录机场噪声强度，每个监测点的噪声强度依照时间先后构成单监测点的噪声序列，不同监测点的噪声序列存在相互关联关系，呈现复杂的时间关系和空间关系。本文研究机场噪声的时空序列建模理论和方法，构建时空一体的机场噪声预测模型。本文的主要工作如下： (1)提出一种基于样本数据驱动的空间权矩阵建立方法，克服传统方法建立的空间权矩阵难于体现空间变量值序列之间的相互影响的不足。该方法所建立的空间权矩阵不仅具有层次属性还具有延时属性。 (2)摒除假设时空序列只包含线性时空自相关模式和时空序列具有平稳性的传统STARMA建模前提条件，克服传统STARMA模型无法拟合非线性模式的不足，提出STARMA网络模型。以非线性函数代替线性组合，同时捕获时空序列中线性模式和非线性模式。结合机场噪声时空序列，构建基于STARMA网络模型的机场噪声时空序列预测模型。 (3)从神经元的原理出发，，将神经网络方法引入时空建模分析中，采用函数扩展技术和线性脉冲响应滤波原理，提出一种新型的时空神经网络。时空神经网络由函数扩展功能模块和线性延时脉冲模块组成，函数扩展功能模块将网络输入空间映射到高维空间，实现时空序列非线性模式到高维映射空间线性模式转换，线性延时脉冲模块等效于时空线性脉冲响应滤波器，负责拟合时空序列中线性模式。结合机场噪声时空序列，构建基于时空神经网络模型的机场噪声时空序列预测模型。
【图文】：

本文结构框架

图 3. 4 北京首都国际机场监测系统监测点分布图处理：机场噪声监测系统中的监测点有可能发生异常或被拆南法信村监测点等被拆迁，异常或被拆迁监测点的噪声序噪声时空序列需要及时发现并被删除，否则将直接影响模型主要工作有：1，转化噪声时空序列的时间粒度，通常将监取平均；2，检测、发现、删除异常序列数据；3，插值缺失建立及模型识别：采用方法的不同，空间权矩阵建立和模型采用首先建立空间权矩阵11W 和21W ，然后计算噪声时空序系数识别模型的时间延期 p、q ，之后建立相应的空间权矩)。将机场噪声时空序列分为训练集、验证集和测试集，训练集测试集用于模型的预测评价。将训练学习的模型用于机场噪声时空序列的应用中，为机场果。结果分析
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：V351;TB53

【参考文献】

相关期刊论文 前6条

1 夏梓耀;黄锡生;;中国机场噪声污染防治立法问题研究[J];北京航空航天大学学报(社会科学版);2011年04期

2 张胜,刘红星,高敦堂,沈振宇,业苏宁;ANN非线性时间序列预测模型输入延时τ的确定[J];东南大学学报(自然科学版);2002年06期

3 李文兰,唐狄毅,乔渭阳,刘振侠;飞机噪声预测和分析[J];航空学报;1993年10期

4 邓万宇;郑庆华;陈琳;许学斌;;神经网络极速学习方法研究[J];计算机学报;2010年02期

5 徐自励;王一扬;周激流;;估计非线性时间序列嵌入延迟时间和延迟时间窗的C-C平均方法[J];四川大学学报(工程科学版);2007年01期

6 常刚;张毅;姚丹亚;;基于时空依赖性的区域路网短时交通流预测模型[J];清华大学学报(自然科学版);2013年02期

本文编号：2554454