基于时间序列相似性度量的机场噪声监测点交互预测研究

发布时间：2021-11-22 13:03

　　随着中国民航建设的迅猛发展,国家GDP增长的同时,机场噪声污染问题也越发突出,噪声防治工作就变得尤为重要。为此,研究人员利用物联网技术,在噪声波及范围内设置多个噪声监测点,对周围噪声数据进行捕捉,进而对噪声数据进行分析研究,为噪声防治工作提供决策依据。然而,由于天气或使用年限等原因,噪声监测点设备往往会不可避免地发生损坏、老化或其他异常情况,从而无法连续不断地捕捉并传送周围环境的真实噪声情况。当某个监测点失效时,如何通过采集到的数据来预测这一时期内失效监测点漏报或误报的噪声数据,也成为值得深入研究的问题。针对这一问题,本文从监测点之间存在的相似性角度出发,对失效监测点的噪声监测数据的预测进行研究,主要工作包括:（1）噪声监测时间序列数据之间的相似程度体现了监测点噪声之间的关系紧密程度。本文从特征表示方法和时间序列相似性度量方法这两个问题出发,对现有时间序列特征表示方法以及时间序列相似性度量方法进行了全面的综述。（2）针对现有的大多数特征表示方法无法准确提取并表示时间序列趋势特征的缺陷,本文提出了一种基于终点迭代拟合算法（Iterative End Point Algorithm,IEP... 

【文章来源】：南京航空航天大学江苏省 211工程院校

【文章页数】：89 页

【学位级别】：硕士

【部分图文】：

网格状机场噪声监测点分布图

图 1.2 首都机场主要噪声监测点布局图机场附近的噪声监测点设备通常昂贵且维护成本高[4]，为防止单个监控点受最常用的方法是布置硬件冗余的噪声监控点，也就是说，在每个监控节点或

图2.1时间序列的影响因素（1）噪声：指时间序列中无法提取的波动，存在于大多数时间序列数据中

【参考文献】：
期刊论文
[1]基于时序关联规则挖掘的交通拥堵预测研究[J]. 乔春凯,赵佳文.  科技创新与应用. 2017(01)
[2]时间序列数据挖掘的相似性度量综述[J]. 陈海燕,刘晨晖,孙博.  控制与决策. 2017(01)
[3]基于GIS的机场噪声预测管理系统[J]. 孟丽娜,闫兆进.  测绘与空间地理信息. 2016(09)
[4]基于噪音监测系统的机场噪音管理研究[J]. 孟丽娜.  绿色科技. 2016(12)
[5]基于空间拟合和神经网络的机场噪声预测集成模型[J]. 徐涛,苏瀚,杨国庆.  中国环境科学. 2016(04)
[6]基于快速极限学习机和差分进化的机场噪声预测模型[J]. 徐涛,郭威,吕宗磊.  电子与信息学报. 2016(06)
[7]基于SVR选择性集成的机场噪声预测模型研究[J]. 谢华,陈海燕,袁立罡.  航空计算技术. 2016(01)
[8]基于趋势特征的时间序列符号化方法（英文）[J]. Hong YIN,Shu-qiang YANG,Xiao-qian ZHU,Shao-dong MA,Lu-min ZHANG.  Frontiers of Information Technology & Electronic Engineering. 2015(09)
[9]基于关联向量机回归的水质预测模型[J]. 笪英云,汪晓东,赵永刚,蒋敏兰,叶美盈.  环境科学学报. 2015(11)
[10]基于灰色关联和BP神经网络的铁路货运量预测方法[J]. 王栋,米国际.  江南大学学报(自然科学版). 2015(01)

硕士论文
[1]基于多噪声监测点机场噪声时空序列预测模型研究[D]. 王尚北.南京航空航天大学 2014
[2]机场航空噪声预测及其影响因素研究[D]. 李冉.中国民航大学 2008
[3]机场航空噪声影响评价及控制研究[D]. 杨尚文.中国民航大学 2008



本文编号：3511750