申请/专利权人：河南大学

申请日：2019-09-27

公开（公告）日：2020-01-10

公开（公告）号：CN110674996A

主分类号：G06Q10/04(20120101)

分类号：G06Q10/04(20120101);G06Q50/26(20120101);G01H17/00(20060101);G06N3/08(20060101);G06N3/12(20060101)

优先权：

专利状态码：有效-授权

法律状态：2022.06.10#授权;2020.02.11#实质审查的生效;2020.01.10#公开

摘要：本发明提供了一种城市交通噪声预测方法，包括以下步骤：S1、在城市道路测量并记录交通噪声影响因子数据，建立交通噪声影响因子数据库，S2、确定遗传算法参数，以影响因子的选择与否编码成位串形式产生初始种群；S3、利用对遗传算法参数的设置完成影响因子组合最优解搜索；S4、利用Gamma‑Test非线性数据分析方法，获取最优影响因子组合；S5、通过M‑Test确定BP神经网络模型训练数据的需求量，以获得给定质量的非线性交通噪声预测模型；S6、利用获得的最优影响组合因子构建一个BP神经网络模型，并以S5获得的数据量对BP神经网络模型进行训练，完成城市交通噪音的预测，使得噪音预测具有较好的隐含性、容错性，具有较高的拟合精度和适应性。

主权项：1.一种城市交通噪声预测方法，其特征在于，包括以下步骤：S1、在城市道路的观测点测量并记录交通噪声影响因子数据，利用影响因子数据建立交通噪声影响因子数据库，并将影响因子数据进行归一化处理；S2、确定遗传算法参数，以影响因子的选择与否编码成位串形式产生初始种群；S3、利用对遗传算法参数的设置完成影响因子组合最优解搜索；S4、以S3获得的影响因子组合最优解搜索为基础，利用Gamma-Test非线性数据分析方法，以Gamma值最小为标准在校准和测试模型之前选择最佳的影响因子输入，获取最优影响因子组合；S5、将S4中获取最优影响因子组合，通过M-Test产生一个稳定的渐近线以确定BP神经网络模型训练数据的需求量，以获得给定质量的非线性交通噪声预测模型；S6、利用Gamma-Test获得的最优影响组合因子构建一个BP神经网络模型，并以S5获得的数据量对BP神经网络模型进行训练，完成城市交通噪音的预测。

全文数据：

权利要求：

百度查询： 河南大学 一种城市交通噪声预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD