[发明专利]一种基于时间序列分析的机场噪声瞬时值预测方法及其系统

说明书

技术领域

本发明涉及一种机场噪声预测方法，尤其涉及一种瞬时机场噪声的预测方法，同时涉及一种用于实现该方法的机声噪声瞬时值预测系统。

背景技术

随着社会的进步和我国民航事业的不断发展，机场作为空中交通的驿站和城市的窗口，在城市现代话的进程中担当者非常重要的角色。航空运输在给城市带来了便捷和繁荣的同时，也带来了一系列的环境问题，其中最重要的当属噪声污染问题。治理航空噪声，预防噪声污染，实现机场航空业务的可持续发展，已经成为机场当局不得不面对和解决的一个棘手问题。

随着人们环境意识的逐渐提高，对机场航空噪声的关注也日渐增强。1996年，我国颁布实施了《环境噪声污染防治法》，该法针对工业噪声污染、建筑施工噪声污染、交通运输噪声污染和社会生活噪声污染的防治分别进行了规定。

由于国内对机场噪声的预测理论、预测方法缺乏研究，我国目前对机场噪声的预测都是依靠国外的经验及方法（如美国联邦航空局（FAA）提出的INM），并没有形成统一的计算和预测方法。而现有的噪声预测方法需要基于比较复杂的假设，机场的环境条件也千差万别，计算模型难以考虑周全（如：Asensio C.等人指出INM无法考虑飞机滑行的问题，存在预测偏差；Yingjie Yang等人指出INM软件中的模型在某些情况下不能提供预期的接近真实环境的飞机噪声预测结果）。传统的机场噪声预测主要是利用实际数据根据噪声评估标准以及噪声计算公式得到，误差较大且不利于对未来机场噪声状况的预测。近几年来，我国机场周围的噪声问题日益突出，因此有必要尽快研究相关方法，开发适用于我国的机场噪声预测软件。

F.Van Den Berg等人的研究表明，利用从实测数据中挖掘到的规律、模式与声学理论计算模型进行结合可以有效地提高噪声的预测准确率。机器学习方法是通过实测数据建立噪声预测模型的主要方法之一，然而目前国内机器学习方法在机场噪声预测方面应用还比较匮乏，将机器学习方法用于机场噪声数据预测，以提高预测结果的准确性和稳定性，成为一种必要的趋势。

目前，我国针对机场噪声环境影响评估的常规做法主要是通过计算噪声评价指标Lwecpn或者绘制噪声等值线，判断机场周围区域的噪声污染是否符合国家标准。这种评估未充分考虑机场噪声敏感点的特性和分布以及其它因素（如动植物分布等），在应用中尚存很多不足。其研究工作主要集中于机场噪声对居民健康的影响，机场噪声评估标准、评价度量的修正等，缺乏适应不同目标需求的环境影响评价指标体系和综合评估模型的研究。

总体来说，传统的机场噪声预测方法存在以下问题：

（1）受噪声预测模型的局限，大多数模型是在机型、噪声、距离特性等方面的基础上研究机场噪声预测问题，使得机场噪声预测模型比较单一。

（2）航班运行数据不能实时输入的预测系统中，无法通过即时的数据更新机场噪声的情况，如果能通过系统实时的预测出下一时刻的噪声情况，那对于如何调整航班计划和机场布局，以此来降低机场噪声的危害将有很大的帮助。

（3）现存的预测模型中大多数缺乏学习能力，使得预测结果很难得到修正和优化，预测精度的很难提高。

发明内容

技术问题

本发明要解决的技术问题是提供对机场噪声的瞬时值进行预测的方法，该方法是针对机场噪声的瞬时值进行分析研究，其从时间序列的角度挖掘机场噪声的特点，先建立预测模型，再进行预测，同时提供一种用于实现该方法的机场噪声瞬时值预测系统。

技术方案

为了解决上述的技术问题，本发明的场噪声瞬时值预测方法包括下列步骤：

步骤一：采集单监测点每个时刻的机场噪声瞬时值建立机场噪声信息数据库，根据需要提取样本，例如可提取每天每个整点时刻的真实值作为实验样本数据，其中90％作为训练样本，剩余的10％作为预测样本；

步骤二：建立训练集S={(x_i，y_i)|i＝1，2，…，n}，并确定标记簇的数目为k，即将训练集分成k类。其中，x_i＝[x_i1，x_i2,…，x_ip]为输入变量，表示1…p时刻的值，p为自然数，y_i为决策变量，表示后一时刻的值，即y_i＝x_ip+1，n为训练样本样本总数；

步骤三：将训练集S标记为k个簇，每个簇为训练集S的一个子集，其中