CN110096733A - 一种输变电噪声评价模型建立方法及输变电噪声评价方法 - Google Patents
一种输变电噪声评价模型建立方法及输变电噪声评价方法 Download PDFInfo
- Publication number
- CN110096733A CN110096733A CN201910204016.7A CN201910204016A CN110096733A CN 110096733 A CN110096733 A CN 110096733A CN 201910204016 A CN201910204016 A CN 201910204016A CN 110096733 A CN110096733 A CN 110096733A
- Authority
- CN
- China
- Prior art keywords
- sound sample
- power transmission
- disturbance
- degree
- transformation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000009466 transformation Effects 0.000 title claims abstract description 102
- 230000005540 biological transmission Effects 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000011156 evaluation Methods 0.000 claims abstract description 54
- 238000012549 training Methods 0.000 claims abstract description 54
- 238000013210 evaluation model Methods 0.000 claims abstract description 44
- 239000000284 extract Substances 0.000 claims abstract description 7
- 230000001419 dependent effect Effects 0.000 claims abstract description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 8
- 238000007637 random forest analysis Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Public Health (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本申请公开了一种输变电噪声评价模型建立方法，包括：从预选的各个输变电噪声声源处采集声样本；将采集到的声样本播放给预选的多个评价人员以进行干扰度评分；针对每个声样本，从其得到的各个干扰度评分中确定其对应的典型干扰度；其中，N％以上的干扰度评分均大于或等于典型干扰度，N为预设的正整数；提取各个声样本的预选参数；将每个声样本中提取出的预选参数与该声样本确定出的典型干扰度关联，建立声样本训练集；以声样本的预选参数为评价模型的自变量，以声样本的典型干扰度为评价模型的因变量，利用声样本训练集对评价模型进行训练，得到输变电噪声评价模型；解决了目前还没有一种适合的输变电噪声评价方法的技术问题。
Description
技术领域
本申请涉及噪声分析技术领域，尤其涉及一种输变电噪声评价模型建立 方法及输变电噪声评价方法。
背景技术
变电站、配电房、换流站等输变电场所，难以避免的会产生一些噪声。 这些噪声可能是各种电力设备工作发出的声音，也可能是高电压的导线放电 发出的声音。无论是哪种噪声，对于居住在输变电场所附近的居民来说，都 是一种噪声污染，影响着他们的生活质量。但目前还没有一种适合的输变电 噪声评价方法。
发明内容
本申请提供了一种输变电噪声评价模型建立方法及输变电噪声评价方 法，解决了目前还没有一种适合的输变电噪声评价方法，无法得知输变电噪 声对居民干扰程度的技术问题。
有鉴于此，本申请第一方面提供了一种输变电噪声评价模型建立方法， 包括：
从预选的各个输变电噪声声源处采集声样本；
将采集到的所述声样本播放给预选的多个评价人员以进行干扰度评分；
针对每个声样本，从其得到的各个干扰度评分中确定其对应的典型干扰 度；其中，N％以上的所述干扰度评分均大于或等于所述典型干扰度，所述N 为预设的正整数；
提取各个声样本的预选参数；
将每个声样本中提取出的所述预选参数与该声样本确定出的所述典型干 扰度关联，建立声样本训练集；
以声样本的预选参数为评价模型的自变量，以声样本的典型干扰度为所 述评价模型的因变量，利用所述声样本训练集对所述评价模型进行训练，得 到输变电噪声评价模型。
优选的，所述从预选的各个输变电噪声声源处采集声样本具体包括：
分别在预设昼间时段与预设夜间时段、从预选的各个输变电噪声声源处 采集声样本。
优选的，所述将采集到的所述声样本播放给预选的多个评价人员以进行 干扰度评分具体包括：
将所述预设夜间时段采集到的声样本、在预选的多个评价人员模拟睡眠 时播放给所述评价人员以进行干扰度评分；
将所述预设昼间时段采集到的声样本、在所述多个评价人员模拟办公时 播放给所述评价人员以进行干扰度评分；
所述建立声样本训练集具体包括：
根据声样本的采集时间建立夜间声样本训练集和昼间声样本训练集；
所述利用所述声样本训练集对所述评价模型进行训练，得到输变电噪声 评价模型具体包括：
利用所述夜间声样本训练集对所述评价模型进行训练，得到输变电夜间 噪声评价模型；
利用所述昼间声样本训练集对所述评价模型进行训练，得到输变电昼间 噪声评价模型。
优选的，所述利用所述声样本训练集对所述评价模型进行训练具体包括：
利用所述声样本训练集、根据随机森林算法对所述评价模型进行训练。
优选的，所述从预选的各个输变电噪声声源处采集声样本之后还包括：
对采集到的各个声样本进行频率筛选的第一预处理。
优选的，所述对采集到的各个声样本进行频率筛选的第一预处理之后还 包括：
对进行所述第一预处理后的各个声样本，进行一个等效A声级的数值选 取一个声样本的第二预处理。
优选的，所述利用所述声样本训练集对所述评价模型进行训练，得到输 变电噪声评价模型之后还包括：
利用预先建立的声样本测试集对所述输变电噪声评价模型进行测试；
根据声样本真实评价出的典型干扰度，计算测试结果的正确率；
若所述正确率小于预设阈值，调整所述评价模型进行训练所用算法的参 数。
优选的，所述预选参数具体包括：等效A声级、响度、响度级、等效C 声级、尖锐度、音调度、抖晃度、粗糙度、语音清晰度和/或纯音比。
优选的，所述将采集到的所述声样本播放给预选的多个评价人员以进行 干扰度评分具体包括：
将采集到的所述声样本以及预设数量的粉红噪声样本播放给预选的多个 评价人员以进行干扰度评分。
本申请第二方面提供一种输变电噪声评价方法，包括：
获取通过采集器采集到的输变电噪声的声样本；
提取所述声样本的各个预选参数；
将提取出的所述各个预选参数输入预先建立好的输变电噪声评价模型， 得到所述声样本的典型干扰度；
根据所述典型干扰度的数值大小，确定所述声样本对应的干扰级别；
其中所述输变电噪声评价模型为根据权利要求1至9任一项所述的输变 电噪声评价模型建立方法建立的。
从以上技术方案可以看出，本申请具有以下优点：
本申请中，提供了一种输变电噪声评价模型建立方法，包括：从预选的 各个输变电噪声声源处采集声样本；将采集到的声样本播放给预选的多个评 价人员以进行干扰度评分；针对每个声样本，从其得到的各个干扰度评分中 确定其对应的典型干扰度；其中，N％以上的干扰度评分均大于或等于典型干 扰度，N为预设的正整数；提取各个声样本的预选参数；将每个声样本中提 取出的预选参数与该声样本确定出的典型干扰度关联，建立声样本训练集； 以声样本的预选参数为评价模型的自变量，以声样本的典型干扰度为评价模型的因变量，利用声样本训练集对评价模型进行训练，得到输变电噪声评价 模型。
可见，依照本申请提供的方法，可以建立一种输变电噪声评价模型。该 评价模型通过特别的声样本训练集训练得到的，特别的声样本训练集是指结 合了人的主观干扰评价的声样本训练集。这样的评价模型采用了人体心理学 指标进行客观映射，可以使预测结果更接近人的主观感受，提高了对声音评 价的精度和主客观一致性，有效解决了目前输变电噪声评价主客观不统一的 问题。
此外，采用本申请提供的方法，可将噪声检测指标由原来的单一LA指标 增加到多个声学指标，包含了反应声音能量、低频特性、音调特性以及稳态 等特性的指标，可将噪声尤其是低频噪声进行准确定量，具有简单、准确、 适用范围广的技术优势。
附图说明
图1为本申请第一个实施例提供的一种输变电噪声评价模型建立方法的 流程图；
图2为本申请第二个实施例提供的一种输变电噪声评价模型建立方法的 流程图；
图3为本申请第三个实施例提供的一种输变电噪声评价方法的流程图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请中 的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实 施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施 例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实 施例，都属于本申请保护的范围。
本申请提供了一种输变电噪声评价模型建立方法及输变电噪声评价方 法，意在解决目前无法科学评价输变电噪声对居民干扰程度的技术问题。
而除了居民施加的压力外，现有技术中，输变电噪声的检测与评价也具 有缺陷。具体的，现阶段在对输变电噪声评价时，一般只有LA一个指标，而 LA噪声量与人耳对宽频带声音的灵敏度相当，其在评价500Hz以下的声音时 有一定程度的衰减，致使LA在评价如输变电噪声这种以500Hz以下声音为主 导的噪声时，其评价结果与人耳的主观感受不一致，经常低估低频噪声对人 体的影响。
声品质评价作为一种心理声学评价方法，其与LA评价法不同，声品质评 价法在噪声评价时不但与噪声的客观参量有关，而且与受声者所处的社会环 境、个人喜好、心理因素和身体状况等多方面有关，可以确定其适合于输变 电噪声的评价。
下面请参见图1，图1为本申请第一个实施例提供的一种输变电噪声评价 模型建立方法的流程图，该方法包括：
步骤101、从预选的各个输变电噪声声源处采集声样本。
输变电噪声声源包括但不限于配电房、各电压等级的变电站及换流站。
在具体采集声样本时，可以通过模拟人工头进行采集。
为使采集到的声样本具有一般性，最好确保电力场所中的各电力设备处 于正常运行状态，比如变压器负荷要求在50％以上。
采样位置主要以声源设备为中心，声源设备包括变电站主变区、开关厂、 电抗器区、电容器区、主控楼、厂界以及厂界敏感点区等。
采样时，可使模拟人工头在1.5m的高度，并且距离任一反射面大约1m 以上。当然，也可以将模拟人工头设置在其他的相对位置，只要能够采集到 稳定的声样本即可。
步骤102、将采集到的声样本播放给预选的多个评价人员以进行干扰度评 分。
预选的多个评价人员，同样为使样本具有足够的代表性，最好是包括男 女老少。需要注意的是，在进行干扰度评分前，可以对评价人员进行培训， 使其熟悉评价流程与环境。
干扰度评分的可以按0-10的分值进行打分(参见表1)，干扰度评分的数 值越高，表示声样本对人员日常生活的干扰度越高，反之则越低。当然，这 只是一个示例，其他的打分标准也可以。
表1干扰度评分表
步骤103、针对每个声样本，从其得到的各个干扰度评分中确定其对应的 典型干扰度。
需要说明的是，典型干扰度是预先定义的一个数值，当一个干扰度评分 满足N％以上的干扰度评分均大于或等于典型干扰度(N为预设的正整数)， 则将该干扰度评分确定为典型干扰度。
比如，一个声样本，由五个评价人员进行打分，得到了五个干扰度评分， 分别为3、4、3、5和5。若设定N为60，则从这五个干扰度评分中可以确定 对应的典型干扰度是4，即五个干扰度评分中，有60％(3个)的干扰度评分 (4、5和5)均大于或等于典型干扰度(4)。
显然，该典型干扰度为所有评价人员打分的融合分数，较能客观的反映 声样本的干扰程度。
需要注意的是，在主观评价实验中误判是不可避免的，因此统计主观评 价结果时，有必要对实验数据进行正确性检验，从中剔除误判比例比较高的 数据组。若同一评价人员对同一声样本的几次打分相差较大，可以认为其打 分不具有代表性，应当视为误判。
步骤104、提取各个声样本的预选参数。
在每个声样本得到各自对应的典型干扰度后，针对每个声样本，对预选 参数进行提取。
可以理解，预选参数不只是一种参数，其可以是多种参数的任意组合， 这些参数包括等效A声级(LA)、响度、响度级、等效C声级(LC)、尖锐度、 音调度、抖晃度、粗糙度、语音清晰度和纯音比等。
步骤105、将每个声样本中提取出的预选参数与该声样本确定出的典型干 扰度关联，建立声样本训练集。
每个声样本都有自身的预选参数以及典型干扰度，将各个声样本的预选 参数与典型干扰度关联，可以建立声样本训练集。
步骤106、以声样本的预选参数为评价模型的自变量，以声样本的典型干 扰度为评价模型的因变量，利用声样本训练集对评价模型进行训练，得到输 变电噪声评价模型。
本申请第一个实施例提供了一种输变电噪声评价模型建立方法，依照该 方法，可以建立一种输变电噪声评价模型。该评价模型通过特别的声样本训 练集训练得到的，特别的声样本训练集是指结合了人的主观干扰评价的声样 本训练集。这样的评价模型采用了人体心理学指标进行客观映射，可以使预 测结果更接近人的主观感受，提高了对声音评价的精度和主客观一致性，因 此能够科学的反映输变电噪声对居民的干扰程度。
以上为对本申请第一个实施例提供的一种输变电噪声评价模型建立方法 的详细说明，下面请参见图2，图2为本申请第二个实施例提供的一种输变电 噪声评价模型建立方法的流程图，该方法包括：
步骤201、分别在预设昼间时段与预设夜间时段、从预选的各个输变电噪 声声源处采集声样本。
考虑到白天与夜晚人对输变电噪声的主观感觉会有较大的差别，因此可 以针对白天，比如昼间(8:00-20:00)的预设昼间时段采集声样本，而针对夜 间(22:00-6:00)的预设夜间时段采集声样本。
步骤202、对采集到的各个声样本进行频率筛选的第一预处理。
由于模拟人工采集到的声样本必定存在不需要的杂音，因此可以采用 B&K PulseReflex、LMS、head等声学软件，对截取声样本进行预处理。比如 可以获取20Hz～20000Hz范围的声样本，并计算所有声样本的LA值。
步骤203、对进行上述第一预处理后的各个声样本，进行一个等效A声 级的数值选取一个声样本的第二预处理。
可以针对每一个LA值，选取一个声样本，剔除LA值重复的声样本，使 训练效率更高。
步骤204、将预设夜间时段采集到的声样本以及预设数量的粉红噪声样 本、在预选的评价人员模拟睡眠时播放给这些评价人员，以进行干扰度评分； 将预设昼间时段采集到的声样本以及预设数量的粉红噪声样本、在评价人员 模拟办公时播放给这些评价人员，以进行干扰度评分。
为深度模拟夜间的情形，可以使评价人员在亮度较暗的卧室内卧床来模 拟睡眠，再播放夜间时段采集到的声样本给评价人员听；同样，昼间情形则 可以使评价人员处于光亮的办公桌前，再播放昼间时段采集到的声样本。
这样可以使评价人员的打分与环境紧密结合，更能反映输变电噪声对人 主观情绪的影响。
为使不同评价环境所得的干扰评价结果之间具有可比性，分别在采集到 的输变电噪声声样本的基础上，额外增加预设数量的粉红噪声样本。粉红噪 声样本可以是LA声压级为50dB(A)至60dB(A)的粉红噪声。
步骤205、针对每个声样本，从其得到的各个干扰度评分中确定其对应的 典型干扰度。
该步骤可以参考上述第一个实施例中的步骤103。
步骤206、提取各个声样本的预选参数。
该步骤可以参考上述第一个实施例中的步骤104。
步骤207、将每个声样本中提取出的预选参数与该声样本确定出的典型干 扰度关联，根据声样本的采集时间建立夜间声样本训练集和昼间声样本训练 集。
当然，针对昼夜的不同，声样本训练集应当区分开，形成夜间声样本训 练集和昼间声样本训练集。
步骤208、以声样本的预选参数为评价模型的自变量，以声样本的典型干 扰度为评价模型的因变量，利用夜间声样本训练集、根据随机森林算法对评 价模型进行训练，得到输变电夜间噪声评价模型；利用昼间声样本训练集、 根据随机森林算法对评价模型进行训练，得到输变电昼间噪声评价模型。
在对评价模型进行训练时，可以采用随机森林算法，当然，也可以采用 遗传算法、多元线性回归法、逐步回归法等。
利用不同的声样本训练集，可以训练得到不同的输变电噪声评价模型。 下面为本申请一个应用例中训练得到的
输变电昼间噪声评价模型：
D％昼＝0.011N+0.174LN+0.063S
输变电夜间噪声评价模型：
D％夜＝0.031N+0.14T+0.055R
其中，D％昼为昼间采集到的声样本的典型干扰度，D％夜为夜间采集到的 声样本的典型干扰度，N为响度，T为音调度，R为粗糙度。
可见，训练出评价模型后，可以直接通过声样本的固有参数确定其对应 的典型干扰度，进而由典型干扰度确定输变电噪声对居民的干扰程度。
步骤209、利用预先建立的声样本测试集对所述输变电噪声评价模型进行 测试。
步骤210、根据声样本真实评价出的典型干扰度，计算测试结果的正确率。
步骤211、若正确率小于预设阈值，调整随机森林算法的参数。
步骤209至步骤211为针对评价模型的测试与优化，可以采用分类正确 率、假阳性率、真阴性率、假阴性率、F-值等统计学指标对评价模型进行评价。 如采用分类正确率(Classification accuracy)时，可以使用以下公式：
Classification accuracy＝(C/N)×100％
其中C为数据点中分类正确的数量，N是数据点总数。
本申请第二个实施例提供了一种输变电噪声评价模型建立方法，依照该 方法，可以建立一种输变电噪声评价模型。该评价模型对昼间与夜间进行了 区分，但无论哪个评价模型，其均是通过特别的声样本训练集训练得到的， 特别的声样本训练集是指结合了人的主观干扰评价的声样本训练集。这样的 评价模型采用了人体心理学指标进行客观映射，可以使预测结果更接近人的 主观感受，提高了对声音评价的精度和主客观一致性，因此能够科学的反映 输变电噪声对居民的干扰程度。
以上为对本申请第一个实施例提供的一种输变电噪声评价模型建立方法 的详细说明，下面请参见图3，图3为本申请第三个实施例提供的一种输变电 噪声评价方法的流程图，该方法包括：
步骤301、获取通过采集器采集到的输变电噪声的声样本。
采集器可以是模拟人工头。
步骤302、提取声样本的各个预选参数。
可以理解的是，提取的预选参数应该与步骤303中的输变电噪声评价模 型的自变量相一致。
步骤303、将提取出的各个预选参数输入预先建立好的输变电噪声评价模 型，得到声样本的典型干扰度。
该输变电噪声评价模型可以参考前述第一个实施例以及第二实施例进行 建立。当输入了一个声样本的预选参数后，其可以输出其对应的典型干扰度。
步骤304、根据典型干扰度的数值大小，确定声样本对应的干扰级别。
可以预先将典型干扰度进行分级，如表2所示：
表2典型干扰度类别表
| 标准 | 类别(class) |
| D％≤4 | 1 |
| 4<D％≤8 | 2 |
| 8<D％ | 3 |
如此，只要计算出来的典型干扰度与实际由真人评价得到的典型干扰度 相差不大，则两者均会被分至同一类别。比如，由评价人员打分得出的典型 干扰度为5，但通过评价模型计算出的典型干扰度为6，但两者均属于2的干 扰级别。这样，可以合理的无视掉计算评分与真实评分之间的误差，在评价 输变电噪声对居民的干扰程度时更为合理。
本申请第三个实施例提供了一种输变电噪声评价方法，通过前述的模型 建立方法预先建立好合适的模型后，便可以直接将对应的声样本参数输入以 得到典型干扰度，不再需要通过寻找评价人员进行评价，在保证评价结果与 人的主观干扰评价一致的基础上，大大降低了评价的工作量。本申请提供的 输变电噪声评价模型，采用了人体心理学指标进行客观映射，可以使预测结 果更接近人的主观感受，提高了对声音评价的精度和主客观一致性，因此能 够科学的反映输变电噪声对居民的干扰程度。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等 (如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次 序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申 请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外， 术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如， 包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地 列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方 法、产品或设备固有的其它步骤或单元。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个” 是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存 在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存 在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后 关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项 中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或 c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或 “a和b和c”，其中a，b，c可以是单个，也可以是多个。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制； 尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应 当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其 中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案 的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种输变电噪声评价模型建立方法，其特征在于，包括：
从预选的各个输变电噪声声源处采集声样本；
将采集到的所述声样本播放给预选的多个评价人员以进行干扰度评分；
针对每个声样本，从其得到的各个干扰度评分中确定其对应的典型干扰度；其中，N％以上的所述干扰度评分均大于或等于所述典型干扰度，所述N为预设的正整数；
提取各个声样本的预选参数；
将每个声样本中提取出的所述预选参数与该声样本确定出的所述典型干扰度关联，建立声样本训练集；
以声样本的预选参数为评价模型的自变量，以声样本的典型干扰度为所述评价模型的因变量，利用所述声样本训练集对所述评价模型进行训练，得到输变电噪声评价模型。
2.根据权利要求1所述的输变电噪声评价模型建立方法，其特征在于，所述从预选的各个输变电噪声声源处采集声样本具体包括：
分别在预设昼间时段与预设夜间时段、从预选的各个输变电噪声声源处采集声样本。
3.根据权利要求2所述的输变电噪声评价模型建立方法，其特征在于，
所述将采集到的所述声样本播放给预选的多个评价人员以进行干扰度评分具体包括：
将所述预设夜间时段采集到的声样本、在预选的多个评价人员模拟睡眠时播放给所述评价人员以进行干扰度评分；
将所述预设昼间时段采集到的声样本、在所述多个评价人员模拟办公时播放给所述评价人员以进行干扰度评分；
所述建立声样本训练集具体包括：
根据声样本的采集时间建立夜间声样本训练集和昼间声样本训练集；
所述利用所述声样本训练集对所述评价模型进行训练，得到输变电噪声评价模型具体包括：
利用所述夜间声样本训练集对所述评价模型进行训练，得到输变电夜间噪声评价模型；
利用所述昼间声样本训练集对所述评价模型进行训练，得到输变电昼间噪声评价模型。
4.根据权利要求1所述的输变电噪声评价模型建立方法，其特征在于，所述利用所述声样本训练集对所述评价模型进行训练具体包括：
利用所述声样本训练集、根据随机森林算法对所述评价模型进行训练。
5.根据权利要求1所述的输变电噪声评价模型建立方法，其特征在于，所述从预选的各个输变电噪声声源处采集声样本之后还包括：
对采集到的各个声样本进行频率筛选的第一预处理。
6.根据权利要求5所述的输变电噪声评价模型建立方法，其特征在于，所述对采集到的各个声样本进行频率筛选的第一预处理之后还包括：
对进行所述第一预处理后的各个声样本，进行一个等效A声级的数值选取一个声样本的第二预处理。
7.根据权利要求1所述的输变电噪声评价模型建立方法，其特征在于，所述利用所述声样本训练集对所述评价模型进行训练，得到输变电噪声评价模型之后还包括：
利用预先建立的声样本测试集对所述输变电噪声评价模型进行测试；
根据声样本真实评价出的典型干扰度，计算测试结果的正确率；
若所述正确率小于预设阈值，调整所述评价模型进行训练所用算法的参数。
8.根据权利要求1所述的输变电噪声评价模型建立方法，其特征在于，所述预选参数具体包括：等效A声级、响度、响度级、等效C声级、尖锐度、音调度、抖晃度、粗糙度、语音清晰度和/或纯音比。
9.根据权利要求1至8任一项所述的输变电噪声评价模型建立方法，其特征在于，所述将采集到的所述声样本播放给预选的多个评价人员以进行干扰度评分具体包括：
将采集到的所述声样本以及预设数量的粉红噪声样本播放给预选的多个评价人员以进行干扰度评分。
10.一种输变电噪声评价方法，其特征在于，包括：
获取通过采集器采集到的输变电噪声的声样本；
提取所述声样本的各个预选参数；
将提取出的所述各个预选参数输入预先建立好的输变电噪声评价模型，得到所述声样本的典型干扰度；
根据所述典型干扰度的数值大小，确定所述声样本对应的干扰级别；
其中所述输变电噪声评价模型为根据权利要求1至9任一项所述的输变电噪声评价模型建立方法建立的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910204016.7A CN110096733A (zh) | 2019-03-18 | 2019-03-18 | 一种输变电噪声评价模型建立方法及输变电噪声评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910204016.7A CN110096733A (zh) | 2019-03-18 | 2019-03-18 | 一种输变电噪声评价模型建立方法及输变电噪声评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110096733A true CN110096733A (zh) | 2019-08-06 |
Family
ID=67443328
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910204016.7A Pending CN110096733A (zh) | 2019-03-18 | 2019-03-18 | 一种输变电噪声评价模型建立方法及输变电噪声评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110096733A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110502846A (zh) * | 2019-08-27 | 2019-11-26 | 四川电力设计咨询有限责任公司 | 一种基于多元线性拟合的多源噪声快速分离方法 |
| CN111128226A (zh) * | 2019-12-30 | 2020-05-08 | 广东电网有限责任公司电力科学研究院 | 一种噪声声品质检测的装置及方法 |
| CN112932489A (zh) * | 2020-12-30 | 2021-06-11 | 广东电网有限责任公司电力科学研究院 | 变电站噪声主观烦恼度评价模型建立方法及模型建立系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101672690A (zh) * | 2009-09-27 | 2010-03-17 | 吉林大学 | 基于听觉模型的车内噪声烦躁度客观量化评价方法 |
| US20120139764A1 (en) * | 2010-12-03 | 2012-06-07 | Marco Sosio | Continuous Time Sigma-Delta ADC with Embedded Low-Pass Filter |
| CN103471709A (zh) * | 2013-09-17 | 2013-12-25 | 吉林大学 | 乘用车车内噪声声品质预测方法 |
-
2019
- 2019-03-18 CN CN201910204016.7A patent/CN110096733A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101672690A (zh) * | 2009-09-27 | 2010-03-17 | 吉林大学 | 基于听觉模型的车内噪声烦躁度客观量化评价方法 |
| US20120139764A1 (en) * | 2010-12-03 | 2012-06-07 | Marco Sosio | Continuous Time Sigma-Delta ADC with Embedded Low-Pass Filter |
| CN103471709A (zh) * | 2013-09-17 | 2013-12-25 | 吉林大学 | 乘用车车内噪声声品质预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| MASSIMILIANO CORSINI等: "Efficient and Flexible Sampling with Blue Noise Properties of Triangular Meshes", 《IEEE TRANSACTIONS ON VISUALIZATION AND COMPUTER GRAPHICS》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110502846A (zh) * | 2019-08-27 | 2019-11-26 | 四川电力设计咨询有限责任公司 | 一种基于多元线性拟合的多源噪声快速分离方法 |
| CN110502846B (zh) * | 2019-08-27 | 2022-11-22 | 四川电力设计咨询有限责任公司 | 一种基于多元线性拟合的多源噪声快速分离方法 |
| CN111128226A (zh) * | 2019-12-30 | 2020-05-08 | 广东电网有限责任公司电力科学研究院 | 一种噪声声品质检测的装置及方法 |
| CN112932489A (zh) * | 2020-12-30 | 2021-06-11 | 广东电网有限责任公司电力科学研究院 | 变电站噪声主观烦恼度评价模型建立方法及模型建立系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110096733A (zh) | 一种输变电噪声评价模型建立方法及输变电噪声评价方法 | |
| Yang et al. | Psychoacoustical evaluation of natural and urban sounds in soundscapes | |
| CN102324229B (zh) | 语音输入设备使用异常的检测方法及系统 | |
| Angelocci et al. | The vowel formants of deaf and normal-hearing eleven-to fourteen-year-old boys | |
| CN102930866B (zh) | 一种用于口语练习的学生朗读作业的评判方法 | |
| US11786171B2 (en) | Method and system for articulation evaluation by fusing acoustic features and articulatory movement features | |
| CN103730130A (zh) | 一种病理嗓音的检测方法和系统 | |
| CN101197084A (zh) | 自动化英语口语评测学习系统 | |
| CN109256115A (zh) | 一种智能家电的语音检测系统及方法 | |
| CN110261101A (zh) | 基于正交-成对比较试验与svr的啸叫定量评价方法 | |
| CN102880693A (zh) | 一种基于个体发声能力的音乐推荐方法 | |
| Gontier et al. | Estimation of the perceived time of presence of sources in urban acoustic environments using deep learning techniques | |
| CN109241838A (zh) | 基于心理声学客观参数的变速器质量评价方法 | |
| CN103190911A (zh) | 基于鼾声共振峰和功率比轨迹的上气道变化监测方法 | |
| CN111453619A (zh) | 一种自适应的岸桥运行机构智能监测与状态评估系统 | |
| CN110196098A (zh) | 基于心率变化的车辆声品质评价方法 | |
| CN206671813U (zh) | 纯电动或混合动力汽车行人警示音控制系统 | |
| CN102184733A (zh) | 基于音频关注度的音频质量评价系统及方法 | |
| JP2018096741A (ja) | 建築物風騒音評価方法 | |
| Kostić et al. | The Evaluation of Speech Intelligibility in the Orthodox Church on the Basis of MOS Test Intelligibility Logatom Type CCV | |
| Sinnott et al. | A multidimensional scaling analysis of vowel discrimination in humans and monkeys | |
| KR102496412B1 (ko) | 청지각능력 훈련 시스템의 동작 방법 | |
| CN115240620A (zh) | 一种多功能乐器同步互动方法及系统 | |
| CN115512718A (zh) | 用于存量语音文件的语音质量评价方法、装置及系统 | |
| CN113313397A (zh) | 一种声品质满意度分级以及限值确定方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190806 |