基于时间序列相似性度量的机场噪声监测点交互预测研究

《基于时间序列相似性度量的机场噪声监测点交互预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中图分类号TP311论文编号102871618-SZ036学科分类号085211硕士学位论文基于时间序列相似性度量的机场噪声监测点交互预测研究研究生姓名刘晨晖专业类别工程硕士专业领域软件工程指导教师陈海燕讲师南京航空航天大学研究生院计算机科学与技术学院二О一八年三月NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofComputerScienceandTechnologyResearchonInteractivePredict

2、ionofAirportNoiseMonitoringPointsBasedonTimeSeriesSimilarityMeasureAThesisinComputerTechnologybyChenhuiLiuAdvisedbyLectureHaiyanChenSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringMarch,2018承诺书本人声明所呈交的硕士学位论文是本人在导师指导下进行的研究工作及取得的研究

3、成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京航空航天大学或其他教育机构的学位或证书而使用过的材料。本人授权南京航空航天大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本承诺书）作者签名：日期：南京航空航天大学全日制专业学位硕士学位论文摘要随着中国民航建设的迅猛发展，国家GDP增长的同时，机场噪声污染问题也越发突出，噪声防治工作就变得尤为重要。为此，研究人员利用物联

4、网技术，在噪声波及范围内设置多个噪声监测点，对周围噪声数据进行捕捉，进而对噪声数据进行分析研究，为噪声防治工作提供决策依据。然而，由于天气或使用年限等原因，噪声监测点设备往往会不可避免地发生损坏、老化或其他异常情况，从而无法连续不断地捕捉并传送周围环境的真实噪声情况。当某个监测点失效时，如何通过采集到的数据来预测这一时期内失效监测点漏报或误报的噪声数据，也成为值得深入研究的问题。针对这一问题，本文从监测点之间存在的相似性角度出发，对失效监测点的噪声监测数据的预测进行研究，主要工作包括：（1）噪声监测时间序列数据之间

5、的相似程度体现了监测点噪声之间的关系紧密程度。本文从特征表示方法和时间序列相似性度量方法这两个问题出发，对现有时间序列特征表示方法以及时间序列相似性度量方法进行了全面的综述。（2）针对现有的大多数特征表示方法无法准确提取并表示时间序列趋势特征的缺陷，本文提出了一种基于终点迭代拟合算法(IterativeEndPointAlgorithm，IEPF)的时间序列趋势分段特征表示方法(anTrendSegmentationRepresentationoftimeseriesbasedonIterativeEndPoint

6、algorithm,IEPF-TSR)。这一方法与IEPF相结合，能准确提取时间序列数据中关键的趋势转折点，去除序列中其他冗余的数据点。经过IEPF-TSR表示后的序列能直观表示出序列中每一个关键趋势的起始点、趋势陡缓程度以及趋势均值，与现有特征表示方法相比能更加清晰全面地描述出序列的趋势信息。（3）针对现有时间序列相似性度量方法无法准确度量时间序列趋势特征之间的相似性的缺陷，结合所提出的时间序列趋势分段特征表示方法IEPF-TSR，本文提出了一种时间序列相似性度量方法(atime-seriessimilarity

7、measurebasedonTrendSegmentationRepresentation,TSR-DIST)。该方法从度量序列趋势相似性的角度出发，与动态时间规整(DynamicTimeWarping,DTW)自动寻找最优相似性度量路径的原理相结合，分别从趋势分段均值和分段趋势变量两个方面综合度量了序列间的相似度，有效解决了现有相似性度量方法在度量序列趋势特征时存在的问题。（4）针对失效噪声监测点的预测问题，本文在北京首都国际机场噪声监测系统所采集的时间序列噪声数据上，首先研究了监测点之间在时序上存在的相似性，对

8、比了欧氏距离、DTW和TSR-DIST距离的度量效果，筛选出关联监测点集合；根据时序相似度定义每个关联监测点的权重，建立了一种特征加权支持向量回归模型(FeatureWeightedSupportVectorRegression,I基于时间序列相似性度量的机场噪声监测点交互预测研究FWSVR)；最后在不同采样间隔的噪声数据上验证了该模型的预测效果和泛化能力。