面向机场感知的噪声监测及其环境影响评估

机场噪声问题正成为影响民航业可持续发展的障碍之一。本项目针对机场噪声传播规律和噪声影响的复杂环境，研究面向机场感知的噪声监测、噪声预测、噪声环境影响评估。通过泛网格化机场噪声感知模型、监测点布局与优化、噪声源识别与航迹再现等关键技术研究，为我国自主研制先进的机场噪声监测系统提供理论和核心技术；通过机场噪声关联预测模型、噪声演变模式挖掘、噪声分布体视化情境再现等理论模型与方法研究，为机场噪声监测与环境影响评估提供理论基础；通过机场噪声评价度量、机场噪声环境影响模糊综合评估模型、面向减少机场噪声环境影响的飞行运行控制优化等方法手段研究，为机场规划设计、科学评估机场噪声环境提供重要依据。本项目提出的面向机场感知的泛网格化机场噪声监测模型和设计实现的机场噪声预测及影响评估可视化软件工具，可在理论方法、分析手段上对我国机场噪声的监测预测、影响评估，噪声控制，机场规划设计等提供分析依据及关键技术支持。

针对机场噪声管理技术存在的监测粒度粗、预测精度低、定量评估难等局限，本项目重点研究构建泛网格化机场噪声感知模型、机场噪声关联预测模型以及机场噪声环境影响评估模型，并在此基础上，研制机场噪声预测及环境影响评估软件工具，为机场噪声管理决策提供支持。项目取得的主要研究成果有：.1.研究并制定了机场噪声组网布局综合评价标准，提出了树型路由自组织组网方法和基于虚拟力算法的覆盖增强的布局优化方法，构建了泛网格化机场噪声感知模型；提出了基于MFCC的特征提取方法，建立了基于特征精简、相似度分析和SVM的航空器噪声智能识别模型；研制了面向机场复杂环境的噪声感知节点和汇聚节点，并在天津机场周边部署验证；构建了机场噪声感知高性能GPU云平台，其关键技术获得国防科技进步三等奖。.2.基于支持向量（回归）机等及其改进建立了机场噪声关联预测模型，并通过贝叶斯方法和基于法向距离等相似性度量的航迹聚类对预测模型进行了修正；针对机场周围噪声的时序演变规律，提出基于ν-SVM解路径算法的机场噪声时间序列预测模型和基于STARMA网络和时空神经网络的机场噪声时空序列预测模型；利用观察学习等方法建立机场噪声异构集成预测模型，为机场噪声评估与运行优化提供理论依据。.3.根据单个事件噪声暴露级与人群睡眠以及烦恼度的关系，提出了噪声暴露强度指数这一新的机场噪声扩展评价指标；以噪声水平、发生时段、影响区域类型为主要因子，构建了基于模糊逻辑的机场噪声烦恼度模型；分别以降低机场周边噪声敏感点烦恼度和机场噪声影响区域面积为目标，提出了离港航迹优化方法和航班机型指派优化方法。研究成果在首都机场噪声管理实践中得到应用。.4.利用3D GIS平台搭建机场周边场景，研制了机场噪声预测及环境影响评估软件工具，基于北京首都机场、上海虹桥机场、天津滨海机场的GIS数据和航迹数据的应用表明了模型的合理性和工具的有效性。.上述研究工作和成果较为全面地涵盖了民航机场噪声监测、预测和评估相关的关键理论和技术问题，一方面从理论的角度验证了技术的可行性，另一方面研制了相应的实验平台和软件工具，验证了相关理论和技术的可行性和有效性，取得了预期结果。此外，项目研究成果也在北京新机场噪声监测系统建设方案论证中得到应用，是北京新机场“绿色机场”建设的重要组成部分；以项目研究成果为基础制定的民航局规范《大型机场噪声监测系统建设指南》（MD-CA-201