本文選題：機場噪聲 + 關聯(lián)規(guī)則　； 參考：《中國民航大學》2015年碩士論文

【摘要】：機場噪聲是多種噪聲影響因素綜合作用的結果。借助機場噪聲歷史數據集挖掘機場噪聲與各噪聲影響因素之間關系,有利于預測在各種噪聲影響因素組合情況下噪聲的可能影響程度,從而為制定合理的減噪措施提供科學依據。針對機場噪聲與其影響因素之間無法簡單地依靠建立函數模型來表達其復雜的非線性依賴關系的難題,本文在對機場噪聲的每個影響因素進行定性和定量分析的基礎上,挖掘機場歷史噪聲數據集中隱含的噪聲與各種噪聲影響因素之間的關聯(lián)規(guī)則,并基于信念網絡對其可視化表示。在對現有的關聯(lián)規(guī)則興趣度模型深入研究的基礎上,本文提出通過興趣規(guī)則前、后件的約束來避免挖掘無用規(guī)則的思想,并設計了相應算法BACIRC-FP-Growth-Cube(Based on Antecedent and Consequent of Interesting Rules Constrained FP-Growth-Cube),從而克服了目前大多數算法僅利用興趣度過濾規(guī)則的弱點。該算法首先利用FP-Growth-Cube算法挖掘出頻繁項集,再將興趣規(guī)則前、后件與頻繁項集相匹配,指導頻繁項集定向生成用戶感興趣的關聯(lián)規(guī)則,一定程度避免了關聯(lián)規(guī)則作為無監(jiān)督學習的盲目性。最后,利用機場噪聲歷史數據集的實驗驗證結果表明,與FP-Growth-Cube算法相比,BACIRC-FP-Growth-Cube算法更加高效,很大程度上減少甚至避免了無用規(guī)則的產生。為了綜合表達機場噪聲和其影響因素之間的關系,本文提出了基于信念網絡的關聯(lián)規(guī)則可視化表示方法,克服了關聯(lián)規(guī)則無法表達不同規(guī)則之間聯(lián)系的弱點。該方法通過拓撲結構學習和網絡參數學習,將機場噪聲和其影響因素圖形化地表達為一個信念網絡。關聯(lián)規(guī)則本身表達數據中蘊含的知識,可為構建信念網絡提供有效的先驗知識,構建的網絡具有較高的可接受度。最后,從機場降噪措施之一的機型選擇角度,并與權威噪聲預測軟件INM相對比,表明了該表示方法的可行性和有效性。
[Abstract]:Airport noise is the result of the comprehensive effect of various noise factors. Using the historical data set of airport noise to excavate the relationship between the airport noise and the influence factors of the noise is helpful to predict the possible influence degree of the noise under the combination of various noise factors, so as to provide a scientific basis for the formulation of reasonable noise reduction measures. The field noise and its influencing factors can not simply rely on the establishment of a function model to express the complex nonlinear dependence. On the basis of qualitative and quantitative analysis of each influence factor of the airport noise, this paper excavates the correlation between the hidden noise of the airport historical noise data set and the influence factors of various noises. On the basis of the in-depth study of the existing interest model of the association rules, this paper proposes the idea of avoiding unuseld rules through the constraints of the rules of interest and the latter, and designs the corresponding algorithm BACIRC-FP-Growth-Cube (Based on Antecedent and Consequent of Interesti). Ng Rules Constrained FP-Growth-Cube), which overcomes the weakness that most algorithms use only interest filtering rules at present. Firstly, the algorithm uses FP-Growth-Cube algorithm to excavate frequent itemsets, and then matches the rules of interest, and then matches the frequent itemsets, directing the frequent itemsets to generate the association rules of interest of the users. Degree avoids the blindness of association rules as unsupervised learning. Finally, the experimental verification of the historical data set of airport noise shows that compared with the FP-Growth-Cube algorithm, the BACIRC-FP-Growth-Cube algorithm is more efficient and reduces the production of useless rules to a large extent. In order to express the airport noise and its influence, In this paper, a visual representation method of association rules based on belief networks is proposed, which overcomes the weakness of association rules that can not express the connections between different rules. This method expresses the noise of the airport and its influence factors into a belief network through topology learning and network parameter learning. The knowledge contained in the body expression data can provide effective prior knowledge for building the belief network, and the constructed network has high acceptability. Finally, from one of the noise reduction measures in the airport, the model selection angle is compared with the authoritative noise prediction software INM, which shows the feasibility and effectiveness of the method.
【學位授予單位】：中國民航大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：V351;TP311.13

【相似文獻】

相關期刊論文 前10條

1 沈洪艷;機場噪聲環(huán)境影響評價的程序和方法[J];重慶環(huán)境科學;2000年04期

2 李澤云;武夷山機場噪聲對國家旅游度假區(qū)的影響問題及其綜合治理[J];福建分析測試;2004年Z1期

3 楊周森;機場和飛機噪聲的測量和評價研究初探[J];噪聲與振動控制;1988年03期

4 溫冬琴;王建東;;基于奇異譜分析的機場噪聲時間序列預測模型[J];計算機科學;2014年01期

5 屠仁涌,汪昌齡,顧茸蕾;機場噪聲的標準、測量和估算[J];噪聲與振動控制;1987年02期

6 鄭毅;鄭汝海;邵斌;王觀虎;徐明霞;;機場噪聲管理信息系統(tǒng)研究與開發(fā)[J];噪聲與振動控制;2009年02期

7 丁萬昌;機場噪聲概述[J];噪聲與振動控制;1987年02期

8 王維;楊小龍;;基于外部成本的機場噪聲收費方法研究[J];中國民航大學學報;2013年06期

9 肖慧慧;王超;徐肖豪;;機場飛機噪聲評價量及其限值的探討[J];噪聲與振動控制;2011年02期

10 陳歡;許娟娟;;機場噪聲監(jiān)測系統(tǒng)研究[J];科技傳播;2011年06期

相關會議論文 前1條

1 柳小毅;施祥;盧向明;翟國慶;;機場噪聲與公眾主觀煩惱關系[A];運輸噪聲的預測與控制——2009全國環(huán)境聲學學術會議論文集[C];2009年

相關碩士學位論文 前10條

1 吳躍;WSN中機場噪聲壓縮感知算法研究[D];南京航空航天大學;2014年

2 肖驍;面向機場噪聲感知的組網技術研究[D];南京航空航天大學;2015年

3 陳雪蕊;面向降低機場噪聲影響的飛行程序優(yōu)化研究[D];中國民航大學;2016年

4 呼和木其日;面向機場噪聲動態(tài)三維可視化的實時計算研究及其實現[D];中國民航大學;2016年

5 王冬冬;機場噪聲評價指標分析與應用研究[D];中國民航大學;2012年

6 張國臣;基于ZigBee和Internet的機場噪聲監(jiān)測系統(tǒng)研究[D];中國民航大學;2013年

7 蘇瀚;基于觀察學習的機場噪聲異構集成預測模型[D];中國民航大學;2015年

8 張聰穎;機場噪聲煩惱度模型的研究與應用[D];中國民航大學;2015年

9 崔昭宇;面向泛網格式監(jiān)測點布局的機場噪聲動態(tài)等值線繪制[D];中國民航大學;2015年

10 楊婷婷;機場噪聲的關聯(lián)規(guī)則挖掘及信念網絡可視化表示研究[D];中國民航大學;2015年

，

本文編號：1900675