一种基于噪声监测数据的噪声预测校准方法与流程

本发明涉及噪声数据处理，具体为一种基于噪声监测数据的户外噪声传播预测校准方法。

背景技术：

1、随着城镇化水平的提高，城市噪声污染来源的构成愈发复杂。虽然交通噪声是大尺度噪声地图预测计算的考虑重点，但交通噪声来源无法全面反映复杂的城市声环境，尤其是社区噪声、社会活动噪声等形成的城市环境背景噪声。

2、针对此问题，本发明提出了一种计算校准方法，它对各种城市噪声来源转化为数据进行分析处理，首先进行分类，并提出了针对性的校准策略。该方法旨在通过分析各类噪声源的成因、类型及相关环境条件，提出相应的校准方法，以减少修正时使用的参数数量并实现基于噪声监测数据的精确校准。

技术实现思路

1、本发明的目的在于提供一种基于噪声监测数据的噪声预测校准方法，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：一种基于噪声监测数据的噪声预测校准方法，包括以下步骤：

3、s1、根据待预测区域内已知噪声源、多时段噪声水平、整体环境的特征情况，整理校准所需的信息与数据，并制定噪声监测方案；

4、s2、根据待校准声源及其所处环境信息，整理声源校准所需数据并展开分析，设定声源校准点、验证点并设置噪声监测设备获取监测数据；

5、s3、根据待预测区域内全天各时段的噪声水平、社会生产活动及声环境信息，细分区域，并设定对应环境背景噪声校准点、验证点并设置噪声监测设备获取监测数据。

6、根据上述技术方案，上述s1中，具体包括如下：

7、s1.1：对待预测区域设定目标校准项：噪声源、环境背景噪声水平、待预测区域的边界条件；

8、s1.2：为待预测区域校准设定验证点位，在模型目标预测范围内随机选择多个位置，设定验证点；

9、s1.3：对待预测区域验证点记录空间位置信息，并设置噪声监测设备，获取验证点位置全天各时段噪声监测数据；

10、上述s2中，具体包括如下：

11、s2.1：根据声源产生位置及产生条件，分析声源所属类型，具体为线声源、点声源及面声源，及多种类型的组合；

12、s2.2：根据声源所属类型、所处位置及其周边环境因素，分析噪声源产生及传播过程中是否存在其他影响因素；

13、s2.3：基于分析结果，并结合声源周边环境分析当前声源进行校准涉及的计算项；

14、s2.4：根据上述噪声源的各项特征及影响因素，在声源所在位置周围设置针对各计算项的校准点，在各校准点周围设置验证点；

15、s2.5：记录待预测区域中针对各声源的校准点、验证点的空间位置信息以及相对于目标监测噪声源的和声源点之间的相对位置，重新设置噪声监测设备；

16、s2.6：获取各个待校准声源周围对应的校准点、验证点位置全天各时段的噪声监测数据并存储；

17、上述s3中，具体包括如下：

18、s3.1：初步细分模型，以全天各时段的噪声水平、社会生产活动及区域声环境信息为参考依据，所述社会生产活动信息包括区域内建筑属性、小范围区域主要生产活动类型及社会活动类型等，所述区域声环境信息包括区域内声功能区分布、待预测区域声环境信息包括区域内声功能区分布、待预测区域内声敏感建筑分布；

19、s3.2：在各细分区域内随机设定多个环境背景噪声的校准点，并同时随机设定多个环境背景噪声的验证点；

20、s3.3：记录待预测区域中针对各初步细分区域的校准点、验证点的空间位置信息，使全部校准点、验证点保持同一水平高度，进一步设置噪声监测设备；

21、s3.4：获取各细分区域对应的校准点、验证点位置全天各时段的噪声监测数据并存储，核验、梳理并保留有效噪声监测数据用于后续的校准验证计算。

22、所述噪声监测设备包括声级计装置、频谱分析装置、统计分析装置、数据存储与传输装置、事件触发与编码装置、gps定位于时间同步装置；

23、声级计装置用于通过麦克风将声信号转换为电信号，然后经过放大和处理，最终获得并显示声音的压力级；

24、频谱分析装置用于并行测量声信号的频谱成分，通过傅里叶变换将时域信号转换为频域信号，然后对不同频率成分的振幅进行测量和显示；

25、统计分析装置用于计算和存储声信号的统计指数，对测量得到的声级数据进行统计处理，以得到声信号的统计特性。

26、数据存储与传输装置用于存储测量数据并通过usb、wi-fi、无线信号或以太网等方式进行数据传输，将测量数据保存在内存卡或其他存储介质中，并通过通信接口将数据传输到其他设备或网络上；

27、事件触发与编码装置用于根据预设的阈值触发事件，并对事件进行编码记录，通过监测声级是否超过设定的阈值来触发事件，并将事件信息记录下来以便于后续分析；

28、gps定位与时间同步装置用于记录测量位置和确保仪器内部时钟的同步，接收gps信号来确定仪器的地理位置，并根据gps时间信号校准仪器的内部时钟。

29、根据上述技术方案，还包括以下步骤：

30、s4、获取声源所处位置及其周边环境的地理信息，根据具有复杂下垫面的城市户外噪声传播中涉及的地理信息项与障碍物衰减项分析当前模型目标预测环境内边界条件校准涉及项目，并设定相应验证点、设置噪声监测设备获取监测数据；

31、s5、使用具有复杂下垫面的城市户外噪声传播预测计算模型的默认参数对目标区域的声环境信息展开预测计算，分析当前模型计算结果与实际监测数据间偏差、与目标模型精度进行对比，对模型进行多维度校准；

32、s6：结合s2.5和s2.6获取的噪声监测数据对目标校准噪声源的源强进行修正计算，根据声源所属类型采取相应校准方法。

33、根据上述技术方案，上述s4中，具体包括如下：

34、s4.1：使用地理信息平台获取待预测区域的卫星图像，并使用图像识别方法对区域中存在个各边界进行识别，图像识别技术为局部二值模式、颜色矩及颜色直方图等特征识别方法；

35、s4.2：根据图像识别所得的待预测区域边界信息，包含地面类型、绿化与植被类型、建筑外表面类型、障碍物表面类型，对各类边界赋予相应边界条件及边界反射、吸声系数；

36、s4.3：对待预测区域内的各边界，在靠近各边界、远离声源的位置设定验证点；

37、s4.4：记录待预测区域中针对各边界的验证点的空间位置信息，并设置噪声监测设备；

38、s4.5：获取各边界附近验证点位置全天各时段的噪声监测数据并存储，获取区域实际环境中各边界的真实图像信息；

39、上述s5中，具体包括如下：

40、s5.1：根据待预测区域的各方面环境因素，设置预测模型的目标不确定度，所述各方面环境因素为区域内噪声源类型及数量、建筑分布与密度、地理环境分布、全天声环境变化情况、社会活动与生产活动情况、声功能区分类及包含类别；

41、s5.2：基于待预测区域声环境变化情况选择目标校准与验证时段，使用预测模型中默认的数据，对s1.2中设定的验证点进行噪声水平预测计算，获得各点计算结果，为验证点序号；

42、s5.3：获取目标校准与验证时段内各验证点的有效监测数据，计算各验证点与之间的偏差，获取当前预测模型不确定度；

43、s5.4：对比目标不确定度与预测模型不确定度之间的偏差，对预测模型内的声源、环境背景噪声及待预测区域的条件依次进行校准与验证；

44、上述s6中，具体包括如下：

45、s6.2：结合s2.5中获取的各验证点相对于目标监测点声源的地理位置与和声源点之间的相对位置，计算各个校准点与对应点声源之间的投影距离，进而计算各个校准点与对应点声源之间的距离修正量；

46、s6.3：结合s2.6中获取的各点声源对应校准点的有效监测数据，为各声源序号，为各声源对应校准点序号，及s6.2的结果，计算时段内的各点声源多组全频段的点声源修正量，根据计算结果采用最小二乘法，获得时段内的各点声源在各频段的声源修正量最优解；

47、s6.4：结合s2.6中获取的各点声源对应验证点的有效监测数据，为各声源序号，为各声源对应验证点序号，设定声源预测目标偏差阈值,使用s6.3的计算结果更新模型中点声源的源强数据并计算各点声源的验证点在时段内的噪声水平，分析获取各点声源验证点的预测结果与实际监测结果偏差,对不满足的点声源重新核验、筛选有效校准点监测数据并再次进行s6.3至s6.4的校准计算与验证工作，对满足要求的点声源存储修正后偏差结果；

48、s6.5：结合s2.1的分析结果，展开校准计算。

49、根据上述技术方案，上述s6.5中，目标校准声源为线声源时，展开校准计算步骤如下：

50、s6.6：根据s2.5中获取的各校准点相对于目标监测线声源的地理位置与和声源点之间的相对位置获取各验证点与对应线声源之间的垂直距离；

51、s6.7：结合s2.6中获取的各校准点的有效监测数据及s6.5的结果，计算时段内各频段的线声源修正量；

52、s6.8：对使用线声源同一位置两侧的校准点计算获得的各频段声源修正量采用spq算法，获得时段内线声源在当前位置的最佳声源修正量；

53、s6.9：结合s6.6、s6.7的结果，排除s6.7中已参与计算的线声源修正量，计算时段内线声源不同位置的声源修正量的离散程度，当离散程度较小时采用最小二乘法获得各频段线声源修正量最优解，当离散程度较大时计算相邻验证点间声源修正量的离散程度并基于此结果对线声源分段，在线声源不同段分别采用最小二乘法获得该段的各频段线声源修正量最优解；

54、s6.10：结合s2.6中获取的各线声源对应验证点的有效监测数据，设定声源预测目标偏差阈值,使用s6.9的计算结果更新模型中线声源的源强数据并计算各线声源的验证点在时段内的噪声水平，分析获取各线声源验证点的预测结果与实际监测结果偏差, 对不满足的线声源重新核验、筛选有效校准点监测数据并再次进行s6.7至s6.10的校准计算与验证工作，对满足要求的线声源存储修正后偏差结果；

55、s6.11：上述s6.5中，目标校准声源为面声源时，展开校准计算步骤如下：

56、s6.12：根据s2.5中获取的各校准点相对于目标监测面声源的地理位置与和声源点之间的相对位置，基于各面声源对应的校准点数量分割面声源，并计算每个子面声源与各校准点间相对距离；

57、s6.13：基于s6.10中获取的子面声源与各校准点相对距离，对各子面声源使用相对距离最小的校准点，结合该校准点有效监测数据，进行时段内局部面声源各频段修正量的计算；

58、s6.14：根据s6.11中获取的局各频段声源修正量计算各局部面声源间修正量的离散程度，设置离散度阈值，对比相邻局部面声源之间的修正量离散分析结果，将离散度低于的相邻面源合并为新的局部面源，对高于的相邻面源则保留当前分割状态；

59、s6.15：根据s6.12中获取的局部面声源分割结果，使用s6.11中计算的各初始局部面声源的修正量，对当前的各局部面声源采用二次逼近法获得时段内各局部面声源的各频段修正量最优解；

60、s6.16：结合s2.6中获取的各线声源对应验证点的有效监测数据，设定声源预测目标偏差阈值,使用s6.15的计算结果更新模型中面声源的源强数据并计算各面声源的验证点在时段内的噪声水平，分析获取各面声源验证点的预测结果与实际监测结果偏差，对不满足的面声源重新核验、筛选有效校准点监测数据并再次进行s6.12至s6.16的校准计算与验证工作，对满足要求的面声源存储修正后偏差结果；

61、s6.17：使用完成s6.1-s6.16的校准后声源数据，对s1.2中设定的验证点再次进行噪声水平预测计算，获得声源校准后的各点计算结果；

62、s6.18：计算各验证点与之间的偏差，获取当前声源校准后预测模型不确定度。

63、根据上述技术方案，还包括以下步骤：

64、s7：对比目标不确定度与当前声源校准后预测模型不确定度之间的偏差，若满足目标要求则结束校准且当前即迭代为模型不确定度，若不满足则继续环境背景噪声及待预测区域的边界条件的校准与验证；

65、s8：结合s3.1的区域细分结果、s3.3获取的校准点和声源点之间的相对位置及s3.4获取的环境背景噪声监测数据，调整区域分区并对新的细分区域背景噪声水平进行修正计算；

66、s9：对比目标不确定度与当前声源、环境背景噪声校准后预测模型不确定度之间的偏差，若满足目标要求则结束校准且当前即迭代为模型不确定度，若不满足则继续待预测区域的边界条件的校准与验证；

67、s10：结合s4.1的区域边界识别结果、s4.2获取的边界条件、s4.3设置的验证点及s4.5获取的数据信息，重新检查当前的待预测区域的边界识别结果并对边界条件进行修正计算；

68、s11：计算各验证点与之间的偏差，获取当前声源、环境背景噪声、边界条件校准后预测模型不确定度并与目标不确定度进行对比，若满足目标要求则当前模型不确定度更新为，若不满足则迭代为模型不确定度，结束模型校准与验证工作。

69、根据上述技术方案，上述s8中，具体包括如下：

70、s8.1：基于s3.1的区域细分结果，结合s3.4获取的环境背景噪声监测数据，为各校准点序号，以国标的昼夜时段划分为基础，分析区域昼夜间的环境背景噪声水平变化趋势；

71、s8.2：根据s8.1分析结果，对提取校准验证时段内的数据片段，使用s3.1的区域初步细分结果对区域内的环境背景噪声水平进行分类，根据s8.2的计算结果使用聚类方法，并以作为指标对每一类的校准点进行聚类；

72、s8.3：结合s3.3中各校准点和声源点之间的相对位置，计算各校准点间相对距离、并计算各校准点与其相邻点间监测数据偏差，使用离散度分析法获取区域内各校准点间监测数据偏差的离散程度；

73、s8.4：设置校准点离散阈值，在s3.1的区域细分结果的基础上，以为分区参考指标，结合s8.2、s8.3的类聚与分析结果进一步细化分区；

74、s8.5：基于s8.4获取更新后环境背景噪声分区，使用位于各分区内的校准点数据计算获取该分区在时段内各频段的平均环境背景噪声水平；

75、s8.6：结合s3.4中获取各分区内的验证点在时段内的有效监测数据，为各个分区内的验证点的序号,设定环境背景噪声预测目标偏差,使用s8.4的分析结果、s8.5的计算结果更新模型中时段的区域划分及各分区环境背景噪声水平，并计算各验证点在时段的背景噪声水平，分析获取区域及各分区内预测结果与实际监测结果偏差、，为各分区序号；

76、s8.7：若不满足则重新核验、筛选区域内的有效校准点监测数据并再次进行s8.2至s8.6的校准计算与验证工作，若某分区不满足则对当前分区与其相邻分区内监测点重新核验、筛选有效监测数据并再次进行s8.2至s8.6的校准计算与验证工作，对满足要求的分区存储修正后偏差结果；

77、s8.8：使用完成s6的校准后声源数据、完成s8.1-s8.7的校准后环境背景噪声数据，对s1.2中设定的验证点再次进行噪声水平预测计算，获得声源、环境背景噪声校准后的各点计算结果；

78、s8.9：计算各验证点与之间的偏差,获取当前声源、环境背景噪声校准后预测模型不确定度；

79、上述s10中，具体包括如下：

80、s10.1：使用s4.5获取的数据及各边界的图像信息，对待预测区域的边界的几何信息进行修正，修正内容为区域内建筑的改建、拆除、新建及实际地理位置，建筑高度，大范围地面属性变化；

81、s10.2：使用修正后声源与环境背景噪声数据，对s4.3设置的边界验证点进行噪声水平预测计算，获得边界修正前的验证点计算结果，为边界验证点的序号；

82、s10.3：设定边界条件预测目标偏差，计算s10.1计算结果与s4.5获取的待预测区域的边界监测数据之间的偏差，并对超过的验证点对应边界进行重新识别与修正计算；

83、s10.4：根据s4.5获取的边界图像信息检查各个待校准边界的类型，若实际图像结果与s4.1图像识别结果不同则使用实际图像修正边界类型，若两者结果相同则无需修正；

84、s10.5：对类型修正后的边界赋予相应边界条件及边界反射、吸声系数，再次计算各个类型修正后的边界对应验证点的预测声压级水平，并分析与之间的偏差，若满足则完成校准并存储修正后的边界信息，若不满足则进行边界条件的修正计算；

85、s10.6：基于s4.2设定的初始边界系数、s10.4修正后的边界类型及系数，结合使用最小二乘法获得目标校准边界的各个频段边界系数修正量的最优解；

86、s10.7：再一次对完成校准计算的边界赋予校准后的边界系数，再次计算边界系数校准后的边界对应验证点的，并分析与之间的偏差，若满足则完成校准并存储修正校准后的边界信息，若不满足则对该边界对应的验证点重新核验、筛选有效监测数据并再次进行s10.2至s10.5的重新识别与修正计算工作；

87、s10.8：使用完成s6的校准后声源数据、完成s8的校准后环境背景噪声数据及完成s10后的边界条件，对s1.2中设定的验证点再次进行噪声水平预测计算，获得声源、环境背景噪声、边界条件校准后的各点计算结果。

88、根据上述技术方案，所述s6.2中，各个验证点与声源之间的距离修正量计算方式具体如下式：

89、；

90、其中，为各验证点与点声源之间的距离修正量，为验证点与点声源之间的距离，为声源的空间高度，为验证点的空间高度；步骤s6.3中，时段内的多组各频段的点声源修正量计算方式具体如下式：

91、；

92、其中，为时段频段的点声源修正量，为该点声源对应的校准点在频段的有效监测数据，为该点声源与对应的校准点之间的距离修正量；

93、步骤s6.3中，采用最小二乘法获得时段内各点声源在各频段的声源修正量最优解的计算方式，具体如下式：

94、；

95、其中，、分别为当前目标校准点声源对应的校准点序号，为使用校准点计算所得的点声源修正量修正后的频段声源，进行预测计算得到校准点在频段的预测数据;为计算指定位置声压级水平所用噪声预测计算模型，为当前输入参数变量；

96、；

97、其中，、分别为当前目标校准点声源对应的校准点序号，为该点声源对应的校准点在频段的有效监测数据；为以校准点计算所得修正量修正后声源为计算声源后，分别预测声源的其余校准点位置声压级，并对比所得的监测-预测结果在频段之间的差；

98、；

99、；

100、其中，为当前进行校准计算的点声源的序号，为点声源在频段的全局误差平方和，为点声源对应校准点数量;对对每一个声源修正量求偏导数，求得点声源在时段频段的声源修正量最优解；

101、步骤s6.4中，各点声源验证点的预测结果与实际监测结果偏差的计算方式，具体如下式：

102、；

103、其中，为当前点声源对应验证点的序号，为点声源对应验证点数量，为点声源对应验证点在时段的有效监测数据，为验证点位置在时段的声压级预测计算结果；

104、步骤s6.7中，时段内的多组各频段的线声源修正量计算方式具体如下式：

105、；

106、其中，为时段频段的线声源修正量，该线声源对应的校准点在频段的有效监测数据，为校准点与当前线声源之间的垂直距离；

107、步骤s6.10中，各线声源验证点的预测结果与实际监测结果偏差的计算方式，具体如下式：

108、；

109、其中，为当前进行校准计算的线声源的序号，为当前线声源对应验证点的序号，为线声源的分段数量，为线声源的各分段的序号，为线声源的各分段对应验证点数量，为线声源的第分段对应验证点在时段的有效监测数据，为该验证点位置在时段的声压级预测计算结果；

110、步骤s6.15中，时段内的多组各频段的面声源修正量计算方式具体如下式：

111、；

112、其中，为时段频段的面声源修正量，该面声源对应的校准点在频段的有效监测数据，为校准点与局部面声源中心之间距离，为空气密度，为声速；

113、步骤s6.16中，各面声源验证点的预测结果与实际监测结果偏差的计算方式，具体如下式：

114、

115、其中，为当前进行校准计算的面声源的序号，为面声源的分块数量，为面声源的分块的序号，为面声源内各子面声源对应验证点数量，为面声源的子面声源对应验证点在时段的有效监测数据，为该验证点位置在时段的声压级预测计算结果。

116、9.根据权利要求8所述的一种基于噪声监测数据的噪声预测校准方法，其特征在于：

117、步骤s8.5中，时段内各分区的平均环境背景噪声水平计算方式，具体如下式：

118、

119、其中，为区域环境内背景噪声分区序号，为第分区在时段频段的平均环境背景噪声值，为该分域内校准点数量，为第分区内校准点的序号；

120、步骤s8.6中，区域及区域内预测结果与实际监测结果偏差、计算方式，具体如下式：

121、

122、其中，为分区内验证点数量，为分区内各个验证点对应标号；

123、

124、其中，为区域环境内背景噪声分区数量,为区域环境内背景噪声分区序号；

125、根据上述技术方案，步骤s10.2中边界修正前验证点计算结果与边界监测数据之间的偏差计算方式，具体如下式：

126、

127、其中，为各验证点序号，为验证点在频段的有效监测数据，为边界修正前的验证点计算结果；

128、步骤s10.6中各频段边界系数修正量的计算方法，具体如下式：

129、；

130、其中，为各验证点序号，为验证点位置使用类型修正后的边界条件进行预测计算所得频段的结果，为目前待校准边界在频段的边界系数,是当前噪声预测计算模型的输入参数变量；

131、；

132、其中，为各验证点序号，为对比所得的监测-预测结果在频段之间的差,为当前验证点在时段内频段的有效监测数据；

133、；；

134、其中，为待校准边界在频段的全局误差平方和，为待校准边界对应验证点数量;对对当前频段的边界系数求偏导数，求得待校准边界在频段的边界系数修正量最优解；

135、步骤s10.7中边界系数校准后的边界对应验证点计算结果与边界监测数据之间的偏差计算方式，具体如下式：

136、。

137、与现有技术相比，本发明所达到的有益效果是：本发明，

138、1、针对点声源，结合校准点与声源点的空间位置关系设计校准计算方法，使点声源修正量更接近实际声源的声功率级水平；针对线声源，结合校准点与线声源的空间位置关系、校准点分布，提出整体校准计算方法与分段校准方法，为线声源校准提供灵活选择，提高校准计算准确性；针对面声源，结合面声源特征、校准点与面声源的空间位置关系，提出多个子面声源的划分方法与小面积面声源的校准计算方法，实现面声源校准的精细化校准；

139、2、采用随机点位的方式监测环境背景噪声水平并分析噪声水平在时间、空间范围内的变换趋势，结合各方面环境因素对全天的时间段以及各个时段内存在不同噪声水平的子空间使用聚类与离散度分析方法进行细分，使预测计算的结果符合实际声环境情况，使用地理信息平台获取区域卫星图像并使用图像识别方法初步划分区域内各边界属性，结合边界校准点的监测数据与实际环境内地理信息对具有复杂下垫面的城市户外噪声传播预测计算模型的边界进行修正并验证，提升预测计算模型内待预测区域的边界条件精准程度；

140、3、从声源、环境背景噪声水平、具有复杂下垫面的城市户外噪声传播预测计算模型的边界条件三个方面展开校准，以多类噪声监测数据作为校准数据来源与可靠性分析依据，全方位地修正声环境影响因素，多层次地提升预测计算结果可信度。