BP人工神经网络模型在拉萨道路交通噪声预测中的应用

针对拉萨市道路交通噪声污染问题，运用人工神经网络理论和方法对拉萨市道路交通噪声的等效连续声级进行预测。经检验，计算值与实测值接近，从而为道路交通噪声的预测提供了一种新的途径。     

FHWA模式在城区道路交通噪声预测中的应用

采用美国联邦公路局(FHWA)提出的公路噪声预测模式来预测道路交通噪声。将道路上汽车按流车种分类，先求出某一类车辆的小时等效声级：     

人工神经网络在道路交通噪声预测中的应用

人工神经网络具有很强的预测功能，根据某公路交通噪声的实测数据，应用人工神经网络进行道路交通噪声的预测，经检验，计算值与实测值接近，从而为道路交通噪声的预测提供了一种新的途径。     

新陈代谢模型滑动指标检验及其在道路交通噪声预测中的应用

定义了灰色新陈代谢模型的滑动指标,实现了对新陈代谢模型各项精度指标及其稳定性的动态检验。对长春市1995年～2006年城市道路交通干线噪声监测的数据运用灰色系统理论,分别建立了3种预测模型,并对这3种模型的各项滑动指标、一步预测滚动指标分别进行了检验。     

公路噪声预测模式应用于城市道路噪声评价存在的问题

从城市道路与公路的众多差异分析入手,提出公路噪声预测模式应用于城市道路环评存在的问题,并提出相应建议.     

几种常用道路交通噪声预测模式在较高等级城市道路中的应用——以深圳市城市道路为例

本文以深圳市城市高速路、城市快速路和城市主干路等三类较高等级的多条典型城市道路交通干道为研究对象,通过实际监测与模式预测对比研究,分析和验证FHWA模式、规范模式、导则模式和RSL90模式等四种常用道路交通噪声预测模式在较高等级城市道路交通噪声预测中的准确性。研究结果表明,各模式预测的准确性高低依次为:导则模式、规范模式、RLS90模式、FHWA模式。     

城市道路交通噪声预测理论-统计模型

在分析影响道路交通噪声各因素的基础上 ,根据道路交通噪声预测的理论公式 ,结合实测数据 ,建立了适合中国城市交通、路况和环境标准的理论 -统计模型 .该模型对机动车参考噪声、车流量、车速、路面坡度、地面植被等因素对噪声的影响作了有效的预测 ,使模型在实际应用中计算更简单、结果更准确 .     

低速城市道路交通噪声预测中噪声源强计算模式的适用性分析研究

为研究各种源强计算模式对低速城市道路噪声预测的适用性,本文选取了安徽省合肥市运营稳定的1条低速城市道路进行实测.将实测的噪声结果与分别采用3种平均车速计算公式(包括设计车速、JTJ 005-96规范车速、JTG B03-2006规范车速)、3种源强计算模式(包括JTJ 005-96规范源强模式、JTG B03-2006规范源强模式、卓春晖报道的源强模式)预测出的结果进行对比.结果表明,采用道路设计车速、卓春晖报道的源强模式预测的结果与实测值最为相符.     

对道路交通噪声预测模式的探讨

目前道路交通噪声预测尚未有国家统一规定的计算模式,本文通过分析道路与公路性质差异及现行几种预测模型的区别,指出不同预测模式的采用、参数的选取将对公路交通噪声预测结果产生影响,提出公路噪声预测模式应用于道路环评需注意的问题。     

道路交通噪声预测模型研究进展

在介绍道路交通噪声预测模型的基本框架和主要考虑因素的基础上,较全面介绍了国内外道路交通噪声预测模型研究的最新进展.分析了预测模型方面存在的问题,并讨论了这一环境声学领域的未来发展方向.      

城市噪声管理信息系统中道路交通噪声预测评价的实现

介绍了城市噪声管理信息系统的目标、结构及其功能，详细阐述了采用城市交通干线噪声平均值公式、FHWA模型与GIS集成的方法进行城市道路交通噪声预测评价。该方法可实现城市交通干线噪声平均值及任一噪声预测点噪声值的计算，并能以等声级形式表示道路噪声分布情况。其作为城市噪声管理信息系统的一项重要应用功能，为道路交通噪声预测评价提供了方便有效的工具。对城市噪声管理信息系统的进一步完善作了探讨。     

不同模式预测公路交通噪声的区别研究

文章在详细介绍常见公路交通噪声预测模式区别的同时,进行了不同公路项目的设定,对高速公路、一级公路、二级公路、三级公路、四级公路项目分别采用了上述预测模式进行预测,通过不同预测模式下不同公路项目交通噪声的对比、分析,得出"对于一般公路项目,适合在对车速、车型比等参数进行合理校核的基础上,采用HJ/T 2.4-2009中推荐模式进行预测;其它项目,适合通过类比同类项目的交通噪声影响的方法进行预测"的结论。由于本文采用的模式均为行业内认可的模式,其预测结果及表现特点有助于准确地反映和预测公路交通噪声。     

英文字母中的噪声信号对神经网络模型识别的影响

本文设计了人工神经网络识别带不同噪声信号的英文字母。结果表明：噪声信号的平均水平低于0．2时，神经网络模型能够完全正确识别26个字母；噪声水平在0．2时，神经网络模型开始出现错误，随着噪声水平的增加，神经网络模型的识别率逐渐下降。     

国外几种道路交通噪声预测模式的对比分析

对美国的FHWA模式、英国的CoRTN模式和德国的RIS90模式进行了介绍，分析了现存模式的缺陷，指出了提高预测模式精度的途径。     

城市道路交通噪声的防治分析

在论述了城市道路交通噪声的产生、特性、预测评价后，从3个角度提出了降低城市道路交通噪声的有效防治对策，初步构建了基于GIS的城市道路交通噪声污染分析系统的框架。