论文部分内容阅读
摘 要：本文结合工程实例，根据现有城市区域环境噪声地理分布监测点，进行噪声自动监测优化布点，检验结果表明该优化方法科学可行。通过该优化研究原则及方案，对环境噪声自动监测优化布点具有一定的参考价值和指导意义。
关键词：城市；环境噪声；监测；优化
0 前言
噪声是环境监测的重要内容，使用环境噪声自动监测系统对城市各类环境噪声的多个测点同步进行连续监测，能及时掌握准确的城市环境实时监测数据。本研究以区域噪声监测点位为基础，结合系统聚类法选取最佳点位，以优化城市区域环境噪声监测点位布置，提高其检测精度。
1 点位优化
1.1 优化目标
区域环境噪声点位优化前后的等效声级平均值差值一般要求<1.0dB（A），相对误差一般在±5%以内。
1.2 优化方法
系统聚类法是聚类分析法的一种，其基本原理是将一定数量的样本或指标各自看成一类，根据样本（或指标）的亲疏程度，将亲疏程度最高的两类合并，再考虑合并后的类与其他类之间的亲疏程度，再进行合并。重复这一过程，直到将所有的样本（或指标）合并为一类。
2 优化过程
2.1 分析样本和样本指标确定
在主城区的149个区域噪声环境监测点位（1800m×1800m）监测获得的噪声数据作为聚类分析样本。
区域声环境监测分析指标共有4个参数，分别为等效声级Leq、累计百分数声级L10、L50、L90。为简化分析，分析4个参数的相关性。结果表明，149个样本分析后，Leq和L10、L50、L90的相关系数分别达到0.989、0.958和0.882，接近1，相关性明显。说明以上4个参数可互相代替，结合实际工作可确定只用Leq参数进行聚类分析。
2.2系统聚类优化
通过聚类分析，将各测点归类，样本个体间距离选用欧式距离测度：
（1）
式中：xi是个体x的第i个变量的变量值；yi是个体y的第i个变量的变量值；dxy表示2个样本个体间的亲疏程度，dxy越小，表示样本之间性质就越接近，性质越接近就可以归为一类。
各监测点与所属类聚类中心的欧式距离越小，表明该测点与所属类越贴近。除了2个样本的距离，在系统聚类分析中，还需要计算类與类之间的距离。类与类的主要计算方法有最短距离法、最长距离法、组间平均链锁距离法、组内平均链锁距离法、重心距离法、中位数法和最小方差法等。2.3 优化结果检验
不同的聚类方法所得到的结果不同，用统计值比较、T检验等方法比较优化前后的结果，选出最佳优化结果。对149个噪声监测点的监测数据分别用K-S检验和S-W检验2种方法来确定是否服从正态分布。结果表明，2种方法得到Leq参数的显著性水平分别为0.200和0.56，均>0.05。因此，可认为区域环境噪声监测数据服从正态分布，可以用T检验，检验结果见表1。
由表2可知，7种不同聚类方法除最短距离法的显著性水平<0.05外，其他6种方法均>0.05的水平，其聚类结果和原来149个点位的等效声级无显著差别。最长距离法、中位数法、重心距离法和组内平均链锁距离法的结果和原来149个点位的等效声级的绝对误差均<0.5dB（A），尤其是中位数法结果只相差0.22dB（A），相对误差仅为0.4%，完全符合优化前、后噪声等效声级平均值差值一般要<1.0dB（A）、等效声级平均值的相对误差一般在±5%以内的要求。
选用2013年、2014年的149个区域声环境监测数据对中位数法的优化结果再次做T检验，结果见表3。
由表3可知，检验结果的显著性水平均>0.05，可以看出中位數法优化后点位的监测结果与2013年、2014年的噪声等效声级无显著差别，绝对误差、相对误差也都符合优化的目标要求，检验结果令人满意。
2.4 优化前后功能区分布对比
区域噪声点位应体现声环境功能区的代表性，经过中位数法优化前后声环境功能区1类区和2类区点位分布对比结果表明：优化前点位分别为1类区69个，2类区80个，占比分别为46%和54%；优化后点位在1类区的是15个，占比59%，2类区的是11个，占比41%，点位能够比较均匀地分布在1类、2类区，与优化前的方案相比，在1类区的点位数略多于2类区的点位数。
3 结语
总之，通过系统聚类法将各城区环境噪声监测点进行规划，极大的减少了资源的浪费，并结合数据检验，其检测效果并不因布点的减少而降低精度，表明其优化效果良好，可作为成功案例提供应用借鉴。
参考文献
[1]李华、蔡体久、邢洪林.区域环境噪声在线自动监测的初步研究[J].北京林业大学学报.2005（2）.
[2]姜玲.环境噪声监测与分析[J].重庆环境科学.2001（04）.
关键词：城市；环境噪声；监测；优化
0 前言
噪声是环境监测的重要内容，使用环境噪声自动监测系统对城市各类环境噪声的多个测点同步进行连续监测，能及时掌握准确的城市环境实时监测数据。本研究以区域噪声监测点位为基础，结合系统聚类法选取最佳点位，以优化城市区域环境噪声监测点位布置，提高其检测精度。
1 点位优化
1.1 优化目标
区域环境噪声点位优化前后的等效声级平均值差值一般要求<1.0dB（A），相对误差一般在±5%以内。
1.2 优化方法
系统聚类法是聚类分析法的一种，其基本原理是将一定数量的样本或指标各自看成一类，根据样本（或指标）的亲疏程度，将亲疏程度最高的两类合并，再考虑合并后的类与其他类之间的亲疏程度，再进行合并。重复这一过程，直到将所有的样本（或指标）合并为一类。
2 优化过程
2.1 分析样本和样本指标确定
在主城区的149个区域噪声环境监测点位（1800m×1800m）监测获得的噪声数据作为聚类分析样本。
区域声环境监测分析指标共有4个参数，分别为等效声级Leq、累计百分数声级L10、L50、L90。为简化分析，分析4个参数的相关性。结果表明，149个样本分析后，Leq和L10、L50、L90的相关系数分别达到0.989、0.958和0.882，接近1，相关性明显。说明以上4个参数可互相代替，结合实际工作可确定只用Leq参数进行聚类分析。
2.2系统聚类优化
通过聚类分析，将各测点归类，样本个体间距离选用欧式距离测度：
（1）
式中：xi是个体x的第i个变量的变量值；yi是个体y的第i个变量的变量值；dxy表示2个样本个体间的亲疏程度，dxy越小，表示样本之间性质就越接近，性质越接近就可以归为一类。
各监测点与所属类聚类中心的欧式距离越小，表明该测点与所属类越贴近。除了2个样本的距离，在系统聚类分析中，还需要计算类與类之间的距离。类与类的主要计算方法有最短距离法、最长距离法、组间平均链锁距离法、组内平均链锁距离法、重心距离法、中位数法和最小方差法等。2.3 优化结果检验
不同的聚类方法所得到的结果不同，用统计值比较、T检验等方法比较优化前后的结果，选出最佳优化结果。对149个噪声监测点的监测数据分别用K-S检验和S-W检验2种方法来确定是否服从正态分布。结果表明，2种方法得到Leq参数的显著性水平分别为0.200和0.56，均>0.05。因此，可认为区域环境噪声监测数据服从正态分布，可以用T检验，检验结果见表1。
由表2可知，7种不同聚类方法除最短距离法的显著性水平<0.05外，其他6种方法均>0.05的水平，其聚类结果和原来149个点位的等效声级无显著差别。最长距离法、中位数法、重心距离法和组内平均链锁距离法的结果和原来149个点位的等效声级的绝对误差均<0.5dB（A），尤其是中位数法结果只相差0.22dB（A），相对误差仅为0.4%，完全符合优化前、后噪声等效声级平均值差值一般要<1.0dB（A）、等效声级平均值的相对误差一般在±5%以内的要求。
选用2013年、2014年的149个区域声环境监测数据对中位数法的优化结果再次做T检验，结果见表3。
由表3可知，检验结果的显著性水平均>0.05，可以看出中位數法优化后点位的监测结果与2013年、2014年的噪声等效声级无显著差别，绝对误差、相对误差也都符合优化的目标要求，检验结果令人满意。
2.4 优化前后功能区分布对比
区域噪声点位应体现声环境功能区的代表性，经过中位数法优化前后声环境功能区1类区和2类区点位分布对比结果表明：优化前点位分别为1类区69个，2类区80个，占比分别为46%和54%；优化后点位在1类区的是15个，占比59%，2类区的是11个，占比41%，点位能够比较均匀地分布在1类、2类区，与优化前的方案相比，在1类区的点位数略多于2类区的点位数。
3 结语
总之，通过系统聚类法将各城区环境噪声监测点进行规划，极大的减少了资源的浪费，并结合数据检验，其检测效果并不因布点的减少而降低精度，表明其优化效果良好，可作为成功案例提供应用借鉴。
参考文献
[1]李华、蔡体久、邢洪林.区域环境噪声在线自动监测的初步研究[J].北京林业大学学报.2005（2）.
[2]姜玲.环境噪声监测与分析[J].重庆环境科学.2001（04）.