摘要 | 第3-4页 |
abstract | 第4-5页 |
第1章绪论 | 第9-18页 |
1.1 研究背景 | 第9-12页 |
1.1.1 城市噪声污染与噪声管理 | 第9-10页 |
1.1.2 城市噪声地图 | 第10-11页 |
1.1.3 环境大数据与环境噪声建模 | 第11-12页 |
1.2 研究目的与意义 | 第12页 |
1.3 主要研究内容 | 第12-16页 |
1.3.1 研究框架 | 第12-13页 |
1.3.2 噪声相关数据与模拟技术筛选 | 第13-14页 |
1.3.3 环境噪声多元数据挖掘与融合 | 第14-15页 |
1.3.4 城市环境噪声模拟建模 | 第15页 |
1.3.5 案例城市研究 | 第15-16页 |
1.4 论文结构 | 第16-18页 |
第2章国内外研究进展 | 第18-34页 |
2.1 城市噪声模拟模型 | 第18-21页 |
2.1.1 噪声传播机理模型 | 第18-19页 |
2.1.2 国外常用噪声模拟模型 | 第19-20页 |
2.1.3 中国推荐的噪声模拟模式 | 第20-21页 |
2.2 城市噪声地图 | 第21-24页 |
2.2.1 噪声地图定义与绘制方法 | 第21页 |
2.2.2 欧盟的END指令与噪声地图推广 | 第21-22页 |
2.2.3 中国噪声地图的应用与发展 | 第22页 |
2.2.4 噪声地图研究案例与研究趋势 | 第22-23页 |
2.2.5 现有噪声地图研究不足 | 第23-24页 |
2.3 基于土地利用回归模型的LUNOS噪声地图 | 第24页 |
2.4 大数据技术与其在环境噪声领域应用 | 第24-34页 |
2.4.1 大数据分析流程 | 第25-26页 |
2.4.2 数据融合方法 | 第26-27页 |
2.4.3 数据挖掘与机器学习方法 | 第27-30页 |
2.4.4 数据可视化技术 | 第30-31页 |
2.4.5 大数据在城市环境噪声领域的研究与应用 | 第31-32页 |
2.4.6 大数据思维及其技术为环境系统模拟带来的变化 | 第32-34页 |
第3章基于LUNOS模型和神经网络方法的城市噪声地图研究 | 第34-57页 |
3.1 研究方法 | 第34-36页 |
3.2 研究区域及数据 | 第36-44页 |
3.2.1 基于LUNOS的城市静态噪声模拟结果 | 第37-39页 |
3.2.2 噪声自动监测数据 | 第39页 |
3.2.3 交通流量数据 | 第39-41页 |
3.2.4 大连地区兴趣点数据 | 第41-42页 |
3.2.5 噪声多元数据的大数据特征分析 | 第42-44页 |
3.3 数据融合提取与相关性识别 | 第44-46页 |
3.4 噪声线性回归建模 | 第46-48页 |
3.5 基于神经网络的噪声建模 | 第48-54页 |
3.5.1 神经网络的结构设定 | 第48页 |
3.5.2 神经网络的筛选条件 | 第48-49页 |
3.5.3 城市动态噪声建模 | 第49-51页 |
3.5.4 动态噪声模拟值与监测值比较 | 第51-54页 |
3.6 基于LUNOS和神经网络的动态噪声地图模拟 | 第54-55页 |
3.7 小结 | 第55-57页 |
第4章基于移动传感器和空间相似度分析的城市噪声地图研究 | 第57-84页 |
4.1 研究方法 | 第57-60页 |
4.1.1 相似度函数 | 第59-60页 |
4.1.2 基于支持向量机的噪声多分类方法 | 第60页 |
4.2 研究区域及数据 | 第60-67页 |
4.2.1 研究区域介绍 | 第60-61页 |
4.2.2 基于移动传感器的噪声监测 | 第61-63页 |
4.2.3 基于移动传感器的噪声监测数据 | 第63-66页 |
4.2.4 实时交通数据 | 第66-67页 |
4.2.5 兴趣点数据 | 第67页 |
4.3 噪声数据可视化 | 第67-69页 |
4.4 基于相似度挖掘的城市噪声建模 | 第69-72页 |
4.5 基于神经网络的噪声拟合建模 | 第72-77页 |
4.6 基于移动传感器的噪声地图 | 第77-78页 |
4.7 基于支持向量机与决策树的噪声污染源分类模型 | 第78-81页 |
4.8 两种噪声大数据建模方法的大数据特性分析与比较 | 第81-82页 |
4.9 小结 | 第82-84页 |
第5章结论与建议 | 第84-87页 |
5.1 结论 | 第84-85页 |
5.2 建议 | 第85-87页 |
参考文献 | 第87-92页 |
致谢 | 第92-94页 |
附录Ⅰ 噪声监测方案 | 第94-97页 |
附录Ⅱ 基于必应地图SDK的噪声站点动态展示 | 第97-103页 |
个人简历、在学期间发表的学术论文与研究成果 | 第103页 |