通過對北京市2007年至2016年城市道路交通噪聲及相關(guān)影響因素數(shù)據(jù)分析,以GM(1,N)模型為基礎(chǔ),建立了優(yōu)化灰色-加權(quán)Markov模型,為有效控制交通噪聲污染提供理論依據(jù)和決策意見。首先,利用平滑公式對原始數(shù)據(jù)進行預(yù)處理,用數(shù)值積分中的Simpson公式改變背景值來提高傳統(tǒng)多因素GM(1,N)模型精度。其次,用加權(quán)Markov模型對得到的模擬值中的異常值進行了修正,將其應(yīng)用到城市交通噪聲的預(yù)測上,實證計算表明優(yōu)化灰色GM(1,N)模型的模擬值與實際值擬合效果很好,比傳統(tǒng)的GM(1,N)模型精度有較大提高。最后,用該模型對北京市2017年和2018年城市交通噪聲進行預(yù)測,基本符合噪聲數(shù)據(jù)實際變化趨勢。

【文章頁數(shù)】：9 頁

【文章目錄】：
0 引言
1 灰色模型和GM (1, N) 預(yù)測模型原理
2 基于數(shù)值積分的GM (1, N) 模型優(yōu)化
    2.1 基于Simpson公式的GM (1, N) 模型
3 加權(quán)Markov模型修正
    3.1 劃分狀態(tài)
    3.2 構(gòu)造狀態(tài)轉(zhuǎn)移概率矩陣
    3.3 隨機序列的馬氏檢驗
        3.3.1 計算各階自相關(guān)系數(shù)
        3.3.2 加權(quán)Markov模型預(yù)測
        3.3.3 加權(quán)Markov優(yōu)化取值
4 仿真實例分析
    4.1 仿真數(shù)據(jù)
    4.2 關(guān)聯(lián)度分析分析主要關(guān)聯(lián)因素
    4.3 建立GM (1, N) 模型
    4.4 基于Simpson公式優(yōu)化的GM (1, N) 模型
        4.4.1 平滑處理
        4.4.2 模型計算
    4.5 加權(quán)Markov模型修正
        4.5.1 劃分狀態(tài)區(qū)間
        4.5.2 構(gòu)建狀態(tài)矩陣
    4.6 改進灰色-Markov模型預(yù)測
5 結(jié)論



本文編號：3990506