车辆声源高度对公路交通噪声预测的影响

目前公路交通噪声预测结果与实际情况存在较大差别,主要原因是声源预测模型存在不足。为了提高交通噪声预测结果的准确性,通过考虑车辆声源的实际高度,运用声学仿真软件Virtual. lab建立竖向高度与车辆声源实际情况一致的声源模型。对受声点的预测结果分析表明:与等效声源模型相比,考虑声源实际高度的噪声模型更符合道路实际情况,提高预测结果的准确性;在3 m高声屏障下道路交通状况全为重型车时预测结果差值最明显,两种声源模型综合噪声差值为1. 71 d B,315 Hz时达到频谱峰值差值3. 03 d B,为道路交通噪声控制提供参考依据。     

基于多声源模式的高速铁路噪声预测模型

基于多通道噪声振动实时采集与分析系统,利用平面传声器和高声强传声器对运行速度300km·h~(-1)以上的高速列车车体表面噪声源进行测试和分析.将高速列车声源等效为车底部线声源、车中部线声源和受电弓点声源.对列车通过时噪声测试数据进行理论计算,利用最小二乘法确定了高速列车以300km·h~(-1)速度在路堤线路上运行时3部分子声源的源强,由此建立了多声源模式下高速铁路噪声预测模型.将不同声源模式下的预测结果与实测结果进行对比,验证了该模型的有效性.该研究成果为我国制定高速铁路噪声预测标准提供了理论依据.     

车道模型对高速公路交通噪声预测准确性分析

根据桓永高速公路、随岳高速公路和京津第二通道高速公路的交通量、车型及车速等监测数据,运用中间车道预测模型和车道累积模型,分别对三条高速公路进行了噪声预测,将噪声预测值与实测值进行了对比,并分析了差值的原因,得出车道累积预测模型在高速公路交通噪声的预测准确性上优于中间车道模型.     

Cadna/A软件与我国公路交通噪声预测模式在实际应用中的对比分析

Cadna/A软件作为国家环保总局环境工程评估中心推荐的噪声预测软件,已逐渐被环评领域的专家学者所接受.本文详细介绍了两种模式,分析了它们在声源修正、媒介对噪声衰减的作用以及车型划分上的异同点.通过实例模拟,对Cadna/A软件与我国公路交通噪声预测推荐模式（原交通部模式）预测公路噪声进行了对比,提出了Cadna/A软件在实际应用过程中将中型车全部并入大型车进行模拟计算更贴近于我国现有的公路交通噪声模式的处理方法,发现了两种模式预测交通噪声结果随距离衰减速率不一致的问题.     

螺旋槽干气密封运行特性的预测模型及试验研究

针对螺旋槽干气密封在运行中气动特性参数的快速定量预测问题,以实际密封产品为研究对象,通过对典型数值模拟结果实施函数相关性的二次拟合分析,建立了以工况参数(入口压力、转速)和气膜厚度为变量的气动特性参数预测模型.采用预测模型对试验多工况下的特性参数进行了计算,并采用"窄槽理论"实施了相同条件下的理论简化求解,对特性参数的简化理论和预测两种结果与试验测量值进行了对比分析.结果表明:两种方法的计算值与试验结果保持了良好的分布趋势,但预测模型求解值与试验测量值符合更好,计算准确性明显提高,从而验证并确定了预测模型的可靠性.     

公路交通噪声预测模型

基于声传播的基本特性．提出了一个简化的公路交通噪声预测模型。该模型的推导是根据A计权声压级计算公式，采用常规噪声测量方法估计预测模型参数得出的，同时根据汽车噪声源引起的地面效应以及涡流对声波传播的影响，对模型进行了修正。利用该模型可以预测一个稳态源的声压级LA（如汽车起步和停车时）和移动声源的时间平均声压级LAepτ，（如一段时间内的公路交通噪声）。仿真结果表明，几何散布、地面效应和涡流是影响交通噪声传播的重要因素；在对LAepτ，瞬态测量时，必须有足够的测量时间以确保机动车采样具有代表性。实地测量验证了该预测模型的有效性。     

CADNA/A噪声预测软件在城市道路中的应用分析

从城市道路和公路的差异分析入手,对目前公路噪声预测模型和德国RLS90模型的CADNA/A噪声预测软件的特点进行了比较分析,并以山西省临汾市五一路下穿铁路分离式立交工程噪声预测为例,对CADNA/A噪声预测软件的应用和噪声预测结果进行了分析。     

基于非单点模糊正则网络的时间序列预测模型

目的建立一种新的具有抗噪声能力的神经网络时间序列预测模型。方法通过将非单点模糊系统引入正则神经网络结构来建立模型。结果具有很强的抗噪声能力,且收敛速度快,全局搜索能力强。将该模型用于实例样本的预测,并和别的神经网络预测模型相比较。抗噪声能力的神经网络时间序列预测模型性能,比神经网络预测模型的性能显著提高。结论所建立的模型在性能上有显著提高,在一定程度上解决了视经网络的固有缺陷,今后有待降低计算复杂度。     

新旧声环境评价导则中公路噪声预测模式的比较

《环境影响评价技术导则——声环境》（H12．4-2009）（以下简称“新导则”）已于2010年4月1日正式实施,其中公路噪声预测模式新老导则的差别较大,本文将就新老导则公路交通噪声预测模式、参数及计算结果进行分析比较。     

基于小波去噪和神经网络的建筑工程沉降变形预测模型

为了提高建筑工程沉降变形预测的准确性,设计了基于小波去噪和神经网络的建筑工程沉降变形预测模型。首先采集建筑工程沉降变形相关数据,并采用小波去噪消除噪声对建模过程带来的干扰;然后采用神经网络对去噪后的数据进行建模,构建建筑工程沉降变形预测模型;最后通过建筑工程沉降变形预测实验对预测模型的性能进行了测试。测试结果表明,该模型的建筑工程沉降变形预测值与实际值吻合得较好,沉降变形预测结果优于其他模型。     

基于粒子群优化-支持向量回归的高速公路短时交通流预测

为实现高速公路短时非线性交通流的精准预测,依托高速公路运营积累的大量数据资源,构建了基于粒子群优化(par-ticle swarm optimization,PSO)的支持向量回归(support vector regression,SVR)预测模型.首先,对获取的高速公路交通流数据进行异常值剔除、缺失值填充以及归一化等预处理;其次,基于SVR算法采用滑动窗口的方式建立预测模型,并基于具有较强寻优能力的PSO优化算法获取SVR模型的最优参数组合;最后,通过京台高速济南西收费站断面交通流数据进行实例验证.模型的预测结果表明,所提出的高速公路短时交通流预测模型能够满足实际需求,且相较反向传播(back propagation,BP)、差分整合移动平均自回归模型(autoregressive integrated moving average model,ARIMA)模型具有较高的准确性,可为日后高速公路运营决策提供理论支持.     

基于城市道路卡口数据的交通流量预测

交通流量的预测可以为交通管理部门的工作和车主的出行规划提供很大帮助,如何进行准确且高效的交通流量预测是一个非常重要的问题。传统的交通流量预测数据通常是车速和行车轨迹,研究人员通过在高速上每隔一段距离布置交通传感器获得数据,这些方法应用于城郊地区和高速公路上,取得了很好的效果,但城市道路人口密集且交通情况复杂,不适合大规模布置传感器获得所需交通数据,所以不能使用现有的方法进行预测。笔者提出了一种利用城市道路卡口的交通流量数据进行预测的方法。首先,通过对已有的交通数据分析来总结交通流量周期性变化的特点;然后,基于这些周期性变化的特点来提取相应特征;最后,依据这些特征训练适用于城市卡口的交通流量预测模型。基于真实交通数据集进行了大量实验,结果表明,交通流量预测模型的预测值的RMSE和MAPE分别为15.3和7.3,即预测准确度可以达到92.7%。     

道路交通噪声预测模型的实证比较分析

本文选择了沈阳市7条具有代表性的典型道路进行道路交通噪声现场监测,并同时采用3种常用的道路交通噪声预测模型FHWA、RLS-90、NMPB-Routes-96对上述7条典型道路进行道路交通噪声预测,根据实测噪声值对3种预测模式进行比较验证分析。结果表明这3种预测模型中,FHWA模型对各类型道路的交通噪声预测值均较实测值偏低较多,误差在7.4-11.5分贝之间,预测精度低;RLS-90模型预测值在实测值上下波动,误差在0.1-4.4分贝之间,预测精度高于FHWA模型;NMPB-Routes-96模型预测值在实测值上下波动,预测误差在1.7-2.7分贝之间,预测精度高于前两个模型。NMPB-Routes-96模型较适合作为我国噪声评价的预测模型。     

基于灰狼算法优化深度学习网络的网络流量预测

针对深度学习网络在网络流量预测建模过程中的参数优化难题, 以改善网络流量预测结果为目标, 提出一种基于改进灰狼算法优化深度学习网络的网络流量预测模型. 首先, 收集网络流量历史数据, 并对数据进行相空间重构、 归一化等预处理; 其次, 引入灰狼算法快速搜索到全局最优深度学习网络的相关参数, 并根据最优参数对预处理后的网络流量历史数据进行学习, 建立能挖掘网络流量历史数据变化规律的预测模型; 最后, 与其他算法优化深度学习网络的网络流量预测模型进行对比分析. 实验结果表明, 基于改进灰狼算法优化深度学习网络的网络流量预测精度超过90%, 远高于其他对比模型, 且预测建模过程的建模时间少于对比模型, 可满足网络流量管理的高精度和实时性要求.     

交通流的混沌特性分析及其预测

实时准确的短时交通流预测是智能交通系统中实现交通控制和诱导的关键技术之一.首先,采用饱和关联维数法和互信息量法对交通流时间序列的嵌入维数和延迟时间进行计算,并根据计算结果对交通流时间序列进行相空间重构;然后,采用wolf方法计算其最大Lyapunov指数,并对其进行功率谱分析,结果表明,交通流时间序列具有噪声;最后,分别采用基于BP神经网络和RBF神经网络的预测模型对交通流时间序列进行预测,结果表明,2种模型对短时交通流均能较好预测,但后者的预测精度较高,预测速度较快.嵌入维数;延迟时间;相空间重构;BP神经网络;RBF神经网络     

高速公路声环境影响评价中预测与实测的对比--以沪宁高速公路江苏段扩建工程为例

以沪宁高速公路扩建工程声环境影响预测的实践为例,利用环境现状监测数据,分为噪声影响叠加和衰减分别对交通部公路噪声预测模型和美国FHWA模型进行了验证和对比分析．并就实测数据与预测数据的偏差进行了分析．最终综合考虑选用交通部公路噪声模型进行预测．     

公路隧道内降噪优化设计

为有效降低公路隧道内噪声污染,提高隧道内降噪设计的经济性,从声音传播途径角度进行公路隧道内降噪优化设计.在1∶10缩尺模型中对修正的相干模型和不相干模型理论预测值与实测值进行对比,表明修正的相干模型能准确地对长空间声场交通噪声进行预测.采用修正的相干模型对吸声材料的多种布设方式、布设位置和布设数量进行研究,结果表明:长空间降噪设计中需连续铺设吸声材料,但铺设的位置不受限制;在地面和某一侧边墙连续布设70%长度的吸声材料即可达到较好的降噪效果,而无须在100%范围内布设.研究结果对提高公路隧道内的吸音降噪效果和节约建筑材料提供了理论基础.     

公路隧道内主动降噪声源布置位置仿真模拟

基于声波干涉原理对高速公路隧道内噪声的主动降噪特性进行了理论分析,采用有限元法建立了3条隧道全尺寸断面模型,计算得出隧道内声压级分布,分析了主动降噪时的隧道内声场特性.考虑噪声声源频率的差异,噪声频率越低,隧道内主动降噪效果越好;考虑主动降噪设备位置的不同,将主动声源与噪声源、降噪点的空间距离加和,再与噪声源与降噪点的空间距离作比较,若两者差值为噪声波长的整数倍,则可在降噪点附近实现3dB以上区域降噪.