基于多噪声监测点机场噪声时空序列预测模型研究

【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。