机场噪声烦恼度模型的研究与应用

发布时间：2017-10-15 21:19

  本文关键词：机场噪声烦恼度模型的研究与应用

  更多相关文章： 噪声烦恼度 机场噪声烦恼度模型 模糊逻辑 神经模糊系统 混合学习方法

【摘要】：随着我国民航业的飞速发展,噪声污染问题已经愈来愈严重,飞机噪声污染已经成为机场与周边社区的主要冲突来源。机场噪声烦恼度模型可以反映机场噪声对周边居民精神和心理上的影响,可以有效地评估机场噪声环境影响,在机场噪声污染处理和机场噪声控制中能起到重要作用。论文主要研究机场噪声烦恼度模型的构建与应用,具体工作包括:面向影响机场噪声烦恼度关键因素的筛选,设计了机场噪声调查问卷,在问卷收集及调查数据预处理基础上,基于频数分析法和描述分析法明确了影响机场噪声烦恼度的关键因子:噪声水平、噪声发生时间段、噪声影响区域类型。针对噪声烦恼度的模糊特性,论文基于模糊逻辑理论,模糊化影响噪声烦恼度的关键因子,确立模糊规则库,研究构建了机场噪声烦恼度模型。与以往定性评估机场噪声引起的人群烦恼度不同,该模型可以定量评估机场噪声引起的人群烦恼度,在某大型繁忙国际机场噪声监测数据的实验表明,该模型符合人群对噪声的直观感受,易于理解。鉴于影响机场噪声烦恼度的关键因子的模糊化操作缺乏依据,前述的关键因子模糊化处理具有一定的主观性,而神经模糊系统综合了模糊逻辑处理不确定性问题和神经网络从样本中学习的能力,论文采用基于神经模糊系统的学习算法对机场噪声烦恼度模型进行学习,优化模糊隶属函数的参数,并针对传统梯度下降法存在计算量大、收敛速度慢、学习效率低的问题,提出一种适用于机场噪声烦恼度模型学习的混合学习方法。实验表明,该混合学习方法不仅可以优化模型,而且可以快速收敛、缩短学习时间,并减少误差求解过程中的计算量。基于某大型繁忙国际机场噪声监测数据的实验表明,该模型能够有效评估机场噪声对不同区域人群的烦恼度影响。
【关键词】：噪声烦恼度 机场噪声烦恼度模型 模糊逻辑 神经模糊系统 混合学习方法
【学位授予单位】：中国民航大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：V351;TP18
【目录】：

• 摘要5-6
• Abstract6-11
• 第一章 绪论11-19
• 1.1 课题背景11-12
• 1.1.1 机场噪声污染日益加重11
• 1.1.2 机场噪声影响评估缺少依据11-12
• 1.2 课题研究意义12
• 1.3 国内外研究现状12-16
• 1.3.1 机场噪声评价量12-14
• 1.3.2 机场噪声烦恼度14-16
• 1.4 论文研究内容16-17
• 1.5 论文组织结构17-19
• 第二章 影响机场噪声烦恼度的关键因子分析19-24
• 2.1 机场噪声影响问卷调查19-21
• 2.1.1 问卷调查的设计思想19-20
• 2.1.2 问卷调查的实施20-21
• 2.2 关键影响因子的确定21-23
• 2.3 本章小结23-24
• 第三章 基于模糊理论构建机场噪声烦恼度模型24-45
• 3.1 机场噪声烦恼度的模糊性24
• 3.2 模糊逻辑理论24-29
• 3.2.1 模糊逻辑理论简介24-25
• 3.2.2 模糊集合与语言变量的概念25
• 3.2.3 模糊逻辑系统简介25-28
• 3.2.4 模糊逻辑系统在机场噪声烦恼度模型构建中的应用28-29
• 3.3 语言变量对应模糊集语言值的确定29-31
• 3.4 关键因子的模糊化31-33
• 3.4.1 噪声水平的模糊化31-32
• 3.4.2 噪声发生时间段的模糊化32-33
• 3.4.3 噪声影响区域类型的模糊化33
• 3.5 噪声烦恼度模糊规则的建立33-39
• 3.5.1 居民住宅区的模糊规则34-35
• 3.5.2 学校的模糊规则35-36
• 3.5.3 医院的模糊规则36-38
• 3.5.4 商业区的模糊规则38-39
• 3.6 模糊集合的去模糊化39-40
• 3.7 机场噪声烦恼度模型的构建及验证40-43
• 3.7.1 机场噪声烦恼度模型的构建40-41
• 3.7.2 机场噪声烦恼度模型的验证41-43
• 3.8 本章小结43-45
• 第四章 基于神经模糊系统的机场噪声烦恼度模型学习45-68
• 4.1 神经模糊系统45-48
• 4.1.1 模糊神经网络45-46
• 4.1.2 神经模糊系统的结构46-47
• 4.1.3 神经模糊系统的算法47-48
• 4.2 基于神经模糊系统的机场噪声烦恼度模型48-49
• 4.3 基于梯度下降法的机场噪声烦恼度模型学习49-56
• 4.3.1 基于梯度下降法的神经模糊系统学习算法49-51
• 4.3.2 机场噪声烦恼度模型的直接学习51-53
• 4.3.3 机场噪声烦恼度模型的间接学习53-56
• 4.4 基于改进神经模糊系统学习算法的机场噪声烦恼度模型学习56-60
• 4.5 混合学习后的机场噪声烦恼度模型的应用60-67
• 4.6 本章小结67-68
• 第五章 总结与展望68-70
• 5.1 总结68
• 5.2 展望68-70
• 参考文献70-75
• 致谢75-76
• 附录A76-78
• 作者简介78

【参考文献】

中国期刊全文数据库 前10条

1 惠小静;;模糊逻辑系统中广义有效推理的真度递减定理[J];模糊系统与数学;2013年04期

2 王艳华;冯霞;徐涛;;机场噪声评价量分析与比较[J];噪声与振动控制;2013年02期

3 冯霞;刘学刚;;基于土地分类的机场噪声评价限值标准比较[J];环境科学与技术;2013年04期

4 江胜菊;王涛;;一型模糊逻辑系统在时间序列预测中的应用[J];辽宁工业大学学报(自然科学版);2012年05期

5 许哲万;李晶皎;王爱侠;郭先日;;一种基于改进T-S模糊推理的模糊神经网络学习算法[J];计算机科学;2011年11期

6 袁雄军;任常兴;朱常龙;葛秀坤;王凯全;;基于模糊逻辑系统的管道风险评估[J];工业安全与环保;2011年11期

7 杨冬青;;机场周围飞机噪声评价指标的应用及探讨[J];工业安全与环保;2011年08期

8 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

9 肖慧慧;王超;徐肖豪;;机场飞机噪声评价量及其限值的探讨[J];噪声与振动控制;2011年02期

10 贺娟;刘志明;邓卫;;基于模糊逻辑理论的居民出行需求合理性评价[J];武汉理工大学学报(交通科学与工程版);2010年03期

，

本文编号：1038769