城市居住小区的公路交通噪声预测与规划

城市发展、公路建设、各类机动车辆的增加导致城市噪声环境质量下降。为了改善城市人居环境,居住小区交通噪声预测与规划应当受到重视。本文提出了一种居住小区交通噪声预测与规划的新方法。该方法充分运用地理信息系统空间分析、空间建模与显示查询的能力,结合完善可靠的交通噪声预测模型,建立了具有实际应用价值的城市居住小区交通噪声预测与规划系统。该系统能为环境评价、环境规划与建筑设计提供相关的技术支持。     

神经网络模型在黄河水质预报中的应用分析

为提高黄河水质预测的精度和实用性,引入神经网络技术建立黄河水质预测模型,采用LM(Levenberg-Marquardt)算法提高预测精度,并将模型应用于黄河小花段(小浪底-花园口段)的水质预测.预测结果表明,在建立黄河入河污染物和功能区水质的输入响应关系模型的实际应用中,神经网络模型和LM算法可以取得较好的预测效果.     

临街高层建筑道路交通噪声预测及其修正

选取临街高层建筑作为影响点,对现场噪声进行了实测,同时用美国FHWA道路交通噪声预测模式进行了噪声预测,实测值与预测值对比的结果表明,道路交通噪声随高度增加先由小变大再变小,而预测值呈现单一变化。原因为交通噪声垂向分布会受到建筑立面对噪声的反射及散射、车辆车身及路面材质、绿化带植被对噪声的吸收等多方面影响。在给出修正预测模式后,重新对影响点进行预测,修正后预测值与实测值误差可控制在3dB(A)以内,很好地反映出道路交通噪声在垂直方向上的变化趋势。     

基于BP模型的降雨酸度预测方法研究与应用

将通过同步观测实验系统获得的影响降雨酸度的主要大气污染物和气象参数观测结果作为自变量,降雨酸度作为因变量,建立了基于BP神经网络模型的降雨酸度预测模型。并通过设定天津市区未来环境空气中TSP、SO_2和NO_2的浓度变化情景,运用本研究所建立的BP网络模型进行情景分析。结果表明,降雨酸度随着TSP浓度的减小而增强,随着降雨量的增大也在增强;当TSP浓度降低到几十微克每立方米水平时,天津市区所发生的降雨属于酸雨的可能性将大大增加。     

工业企业噪声环境影响评价中的点布与预测时段的选择

在工业企业噪声环境影响评价中，由于测点与测量时段选择的不妥，导致测量及预测值“以偏代全”的结果；本文提出了测点合理布设与测量，预测时段科学选择的原则，以使测量与预测结果能较好地符合项目建成前、后噪声环境实际状况。     

一种基于模糊神经网络的大气质量评价模型

基于模糊数学评价法和神经网络评价法的优点，提出了一种新的大气质量评价模型。该模型具有推理过程清晰，泛化能力好的特点。与其它评价方法相比，应用该模型进行大气质量评价不但物理意义明确，而且计算简单，评价客观，实用性强，评价结果还具有更好的可比性。     

基于BP神经网络的南通机场风速预报模型

本文利用2016—2021年南通兴东机场整点报文数据,采用BP人工神经网络建立南通机场风速预报模型,将南通机场风速进行分级,并进行6 h和24 h模拟预报,以期对南通机场风速分级预报数值进行修订并讨论风速分级预报的准确率。结果如下：当风为1级、2级风时,风速无须修订;3级风时,6 h预报风速可修订增加0.6 m/s,24 h可修订增加3.8 m/s;而4级风时,6 h预报风速和24 h预报风速则分别修订增加1.0 m/s和4.8 m/s。利用2020年样本资料进行检验,在预报风速数值分级修订后,准确率结果如下：对民航安全运行有影响的4级风6 h准确率为66%,24 h为64%。再利用模型对2021年12月进行试预报可得：4级风6 h准确率为75%,24 h为73%。上述结果表明,该神经网络模型可以为南通机场风速预报提供一定的依据。     

神经网络模型在辽河水质量评价中的应用

为准确的反映辽河水质量状况和发展趋势，在对辽河水质监测采样和实验分析的基础上，建立了水质评价的BP神经网络模型，应用该模型对辽河的水质现状进行了质量综合评价，4个监测断面的评价结果均在4～4．5之间，水污染情况较为严重。该评价结果与监测断面污染项目的超标情况分析的结论吻合，评价效果较好。     

应用于水文预报的优化BP神经网络研究

利用广东省滨江流域的水文观测资料，建立了以前期降水量为预报因子、以水位为输出的BP人工神经网络水文预报模型。首先采用了合理的方法进行样本组织，进而利用最优子集回归技术进行输入因子的确定，然后进行了不同隐层节点数、不同转移函数、不同训练算法的组合试验，确定了应用于水文预报中的优化BP神经网络：网络结构为8-9-1；转移函数的组合方式为tansig-线性函数；训练算法为采用evenberg-Marquardt(Lm)算法。为便于精度分析，还采用了最优子集回归模型作了研究。结果表明，优化BP网络模型无论在拟合精度还是在预测精度上都高于最优子集模型。总的来说BP网络是一种精度较高的水文预测模型。     

机动车污染物排放量计算模型的应用

概要介绍了MOBILE 5b模型的组成、功能，介绍了该模型在世行贷款项目中的应用，并对该模型在公路交通改善项目环境影响评价的实用价值进行了分析。     

重庆市主城区典型道路的交通噪声

选取重庆市主城区典型道路,实测了交通噪声昼夜、水平和垂直变化,结果表明：交通噪声昼夜等效A声级高速公路最高,主干道次之,次干道最低,交通噪声随车流量增加而增大,高峰值出现在上午8：00-10：00和17：00-20：00,最小值出现在凌晨4：00;水平方向上,随着距路沿距离的增加,噪声值逐渐减小,道路路沿45m以外可满足《声环境质量标准》（GB3096-2008）要求;垂直方向上,噪声值先增加后逐渐降低。     

居住小区交通噪声概率分布特征及其评价

在连续35天监测的基础上，分析了道路交通流量的概率分布特征，发现道路交通流量在时间上呈对数正态分布。该分布导致小区交通噪声在时间上具有明显的正态分布特征，其中小区临街交通噪声在空间上也呈正态分布。将上述概率分布特征应用到小区道路交通噪声评价中，使得评价结果不仅具有一般的大小意义，还具有概率分布意义。     

城市居住小区交通噪声的空间分布特征

根据实测所得交通流量和车型分布,采用预测为主、实测为辅的方法对典型居住小区进行了交通噪声预测与评价。对小区交通噪声的空间分布作了详细的分析,发现临街住宅交通噪声超标严重。另外,敏感点在建筑物中的朝向和楼层对交通噪声影响较大。上述空间分布规律对小区交通噪声评价与防治具有指导意义。     

北京市城区主要交通干线的噪声测量与分析

通过对北京市城区二环路、三环路和长安街等交通主干道的昼间交通噪声监测分析 ,发现各干道交通负荷重 ,且噪声普遍超标。城市各部分发展的不平衡导致车流量、车型、路况的差异 ,也使得交通噪声在空间上差异明显。当车流量较大时 ,道路两侧交通噪声在时间上基本呈正态分布。     

高速公路与城市道路沿线交通噪声对环境的污染分析

在我国一些中心大城市,道路交通量迅猛增长,交通污染的问题也日益突出。本文主要阐述了交通噪声对道路沿线环境污染的危害,并提出了降噪为主要目标的综合治理的方法以及措施：采用多孔隙低噪声沥青路面,设置声屏障以及在道路两侧设置绿化带降噪声等,     

基于人工神经网络的城市用水需求组合预测

城市用水需求预测是涉及到诸多要素的复杂系统预测问题。为了减少简单外推法预测所带来的误差,通过在训练BP神经网络时自动调整学习步长和添加动量项修正神经单元之间的权重,既提高了神经网络的收敛速度,又抑制了神经网络限于局部极小现象的发生;然后使用改进的BP神经网络寻找多元回归预测、径向基函数(RBF)神经网络和改进BP神经网络3个单项预测的最佳组合,来综合各项独立预测所包含的信息,并以条件假设按照参考、高、低3个方案预测分析某城市的用水需求情况,说明这种基于人工神经网络的组合预测方法在预测城市用水需求量时是一个准确高效的方法。     

MapObjects在城市道路交通噪声管理中的应用

从Visual Basic控件技术出发，介绍了建立在对象链接与嵌入技术基础上由美国ESRI公司的采用GIS控件MapObjects的运行机制及特点。结合该控件在城市道路交通噪声信息管理系统开发中的应用，对系统的建设目标、结构及开发模式做了介绍；以对北京市道路交通噪声信息管理系统的开发为例，对系统的功能作了简要说明。     

平顶山市区道路交通噪声污染现状与防治

对平顶山市区道路交通噪声污染现状进行了调查，分析了市区道路交通噪声产生的原因和污染特点，提出了市区道路交通噪声的有关防治措施。     

绿化带对不同频率城市交通噪声的衰减作用

植物绿化对交通噪声具有一定的阻挡与衰减作用,其衰减效果取决于绿化带的构成、纵深等。研究选取杭州西湖风景区5个绿化带和1个空地区,测量1/3倍频程下交通噪声的衰减情况。结果表明：10 m左右纵深的绿化带可使交通噪声降低3-5 dB;绿化带的降噪效果在中低频要好于高频,最高在315-400 Hz之间;绿化带辅助地形的下降可有效提高降噪效果;绿化带中乔木选用阔叶类植物的降噪量高于针叶类植物3 dB左右,在低频段降噪量的提升要高于中高频段。