CN113742930A - 输变电设备噪声烦恼度评价方法、装置及存储介质 - Google Patents
输变电设备噪声烦恼度评价方法、装置及存储介质 Download PDFInfo
- Publication number
- CN113742930A CN113742930A CN202111066961.9A CN202111066961A CN113742930A CN 113742930 A CN113742930 A CN 113742930A CN 202111066961 A CN202111066961 A CN 202111066961A CN 113742930 A CN113742930 A CN 113742930A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- annoyance
- objective
- objective parameters
- noise
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000005540 biological transmission Effects 0.000 title claims abstract description 45
- 230000009466 transformation Effects 0.000 title claims abstract description 45
- 238000011156 evaluation Methods 0.000 claims abstract description 127
- 238000013210 evaluation model Methods 0.000 claims abstract description 49
- 238000010219 correlation analysis Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000001419 dependent effect Effects 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012847 principal component analysis method Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000011946 reduction process Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 6
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012353 t test Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本申请公开了输变电设备噪声烦恼度评价方法、装置及存储介质,其中方法包括:获得声样本;分别对声样本进行主观评价和客观评价,得到主观评价结果和客观参数;分别对主观评价结果和客观参数进行相关性分析;若客观参数的相关性分析结果满足预设情况,则对客观参数进行降维处理;以降维后的、且与主观评价结果的相关性高于预设值的客观参数为主变量,以语义细分法划分的烦恼度等级为因变量进行多元线性逐步回归,建立烦恼度评价模型;根据烦恼度评价模型,输出输变电设备的噪声烦恼度的评价结果。通过上述方式,本申请通过建立烦恼度评价模型,可以反映人对输变电噪声的主观感受,为噪声治理提供更加科学合理的指导。
Description
技术领域
本申请涉及噪声评价技术领域,尤其涉及输变电设备噪声烦恼度评价方法、装置及存储介质。
背景技术
噪声治理前,首先需对噪声进行评价,工程应用中最为常用的评价指标为A计权声压级(简称A声级)。
A声级虽然考虑了人对噪声的敏感程度,但并不能全面反映以低频为主噪声的主观感受。大量研究表明,仅用A声级对低频为主的变电站噪声进行度量与评价不够全面、准确。所以将变电站环境噪声A声级满足国标作为降噪目标,常会出现治理后“达标却扰民”的问题。因此需要开发出与变电站低频特性相匹配的噪声评价指标与方法,为噪声治理提供更加科学合理的指导。
发明内容
本申请提供输变电设备噪声烦恼度评价方法、装置及存储介质,以解决现有技术中不能全面反映以低频为主噪声的主观感受的问题。
为解决上述技术问题,本申请提出一种输变电设备噪声烦恼度评价方法,包括:获得声样本;分别对声样本进行主观评价和客观评价,得到主观评价结果和客观参数;分别对主观评价结果和客观参数进行相关性分析;若客观参数的相关性分析结果满足预设情况,则对客观参数进行降维处理;以降维后的、且与主观评价结果的相关性高于预设值的客观参数为主变量,以语义细分法划分的烦恼度等级为因变量进行多元线性逐步回归,建立烦恼度评价模型;根据烦恼度评价模型,输出输变电设备的噪声烦恼度的评价结果。
可选地,分别对声样本进行主观评价和客观评价,得到主观评价结果和客观参数,包括:获取评价主体对声样本的主观感受评价信息,并根据语义细分法,确定声样本的烦恼程度,获得主观评价结果;选取20~20kHz频率范围的总A声级与50Hz的前20阶倍频A声级作为客观参数。
可选地,分别对主观评价结果和客观参数进行相关性分析,包括:采用Kendall相关系数分析对评价主体的主观评价结果进行相关性分析;采用Pearson相关系数分析对声样本提取的客观参数进行相关性分析。
可选地,若客观参数的相关性分析结果满足预设情况,则对客观参数进行降维处理,包括:若通过Pearson相关系数分析发现提取的客观参数存在交叉重叠,则对客观参数进行降维处理,以剔除冗余的客观参数。
可选地,对客观参数进行降维处理,具体为:采用主成分分析法对客观参数进行降维,包括:对于m个n维原始数据,将其按列组成n行m列的矩阵X;将矩阵X的每一行进行零均值化,即减去该行的均值;计算得到协方差矩阵C,有C=XXT/m;求所述协方差矩阵C的特征值以及对应的特征向量;将所述特征向量按照对应的特征值大小从上到下按行排列成矩阵,取前k行组成k×n维的矩阵P;Y=PX即为降维到k维后的数据。
可选地,烦恼度评价模型G为:G=a+bLi+cLA;其中,a、b、c为常数;Li为50Hz前20阶倍频A声级,LA为20~20kHz频率范围的总A声级。
可选地,声样本包括第一声样本和第二声样本,第一声样本用于建立烦恼度评价模型,第二声样本用于验证烦恼度评价模型的准确度;验证烦恼度评价模型的准确度的步骤,包括:对第二声样本进行主观评价和客观参数计算,并将计算的客观参数输入烦恼度评价模型中,获得第二声样本的噪声烦恼度评价结果;将第二声样本的噪声烦恼度评价结果与第二声样本的主观评价结果作对比,从而验证烦恼度评价模型的准确度。
为解决上述技术问题,本申请提出一种输变电设备噪声烦恼度评价装置,包括:声样本获取模型,用于获得声样本;评价模块,用于分别对声样本进行主观评价和客观评价,得到主观评价结果和客观参数;相关性分析模型,用于分别对主观评价结果和客观参数进行相关性分析;若客观参数的相关性分析结果满足预设情况,则对客观参数进行降维处理;烦恼度评价模型,用于以降维后的、且与主观评价结果的相关性高于预设值的客观参数为主变量,以语义细分法划分的烦恼度等级为因变量进行多元线性逐步回归,建立烦恼度评价模型;评价结果模块,用于根据烦恼度评价模型,输出输变电设备的噪声烦恼度的评价结果。
为解决上述技术问题,本申请提出一种电子设备,包括存储器和处理器,存储器连接处理器,存储器存储有计算机程序,计算机程序被处理器执行时实现上述的输变电设备噪声烦恼度评价方法。
为解决上述技术问题,本申请提出一种计算机可读存储介质,存储有计算机程序,计算机程序被执行时实现上述的输变电设备噪声烦恼度评价方法。
本申请提出输变电设备噪声烦恼度评价方法、装置及存储介质,对声样本进行主观评价和客观评价,并对评价结果进行相关性分析;若客观参数的相关性分析结果满足预设情况,则对客观参数进行降维处理;降维处理可以剔除冗余的客观参数;最后根据降维后的、且与主观评价结果的相关性高于预设值的客观参数建立烦恼度评价模型,并获得输变电设备的噪声烦恼度的评价结果。本申请所建立的烦恼度评价模型具有较高的预测准确度,可以全面反映以低频为主噪声的主观感受。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请输变电设备噪声烦恼度评价方法一实施例的流程示意图;
图2是本申请输变电设备噪声烦恼度评价装置一实施例的结构示意图;
图3是本申请电子设备一实施例的结构示意图;
图4是本申请计算机可读存储介质一实施例的结构示意图。
具体实施方式
为使本领域的技术人员更好地理解本申请的技术方案,下面结合附图和具体实施方式对本申请所提供输变电设备噪声烦恼度评价方法、装置及存储介质进一步详细描述。
本申请提出一种输变电设备噪声烦恼度评价方法,请参阅图1,图1是本申请输变电设备噪声烦恼度评价方法一实施例的流程示意图。在本实施例中,输变电设备噪声烦恼度评价方法可以包括以下步骤:
S110:获得声样本。
采用人工头或双耳采集仪分别在昼间与夜间采集,测点分布在输变电工程厂区、厂界、居民敏感点,从而获得声样本。在一些实施例中,声样本可以分为两部分,一部分用于建立烦恼度评价模型,另一部分用于验证烦恼度评价模型的准确性。
S120:分别对声样本进行主观评价和客观评价,得到主观评价结果和客观参数。
对声样本进行主观评价,具体地:
获取评价主体对声样本的主观感受评价信息,并根据语义细分法,确定声样本的烦恼程度,获得主观评价结果。在评价打分前,对所有的评价主体进行培训,用随机播放的声音进行训练。
为了消除声样本间的掩蔽效应,选取用于建立烦恼度评价模型的部分声样本,该部分声样本被随机排序分组3次,共3组。同一评价主体对相同的声样本进行评价时,评价结果仅能为相邻的两个语义细分法评价水平,否则删除其评价结果。
对声样本进行客观评价,具体地:
选取20~20kHz频率范围的总A声级与50Hz的前20阶倍频A声级作为客观参数。通过FFT分析计算50Hz的前20阶倍频A声级,FFT参数设置为:分析频率为1000Hz,频率分辨率为2.5Hz,时间计权为汉宁窗,重叠率为66.7%。
S130:分别对主观评价结果和客观参数进行相关性分析。
采用Kendall相关系数分析对评价主体的主观评价结果进行相关性分析,获得评价主体之间的相关性,评价主体间的相关性越高,评价主体的评价结果越可信。
采用Pearson相关系数分析对声样本提取的客观参数进行相关性分析,若客观参数之间的相关性越高,则说明客观参数之间的信息重叠越严重。
S140:若客观参数的相关性分析结果满足预设情况,则对客观参数进行降维处理。
若通过Pearson相关系数分析发现提取的客观参数存在交叉重叠,则需要进行客观参数降维,剔除冗余的客观参数。采用主成分分析法对客观参数进行降维,步骤包括:
①对于m个n维原始数据,将其按列组成n行m列的矩阵X;
②将矩阵X的每一行进行零均值化,即减去该行的均值;
③计算得到协方差矩阵C,有C=XXT/m;
④求所述协方差矩阵C的特征值以及对应的特征向量;
⑤将所述特征向量按照对应的特征值大小从上到下按行排列成矩阵,取前k行组成k×n维的矩阵P;
⑥Y=PX即为降维到k维后的数据。
客观参数降维后获得与主观评价结果相关性较高的客观参数。
S150:以降维后的、且与主观评价结果的相关性高于预设值的客观参数为主变量,以语义细分法划分的烦恼度等级为因变量进行多元线性逐步回归,建立烦恼度评价模型。
以降维后与主观评价结果相关性较高的客观参数为自变量,以语义细分法划分的烦恼度等级为因变量进行多元线性逐步回归。对于自变量个数为p的多元线性回归方程,其表达式为:
式中,a0,a1,a2,...,ap为回归系数。
一般利用最小二乘法来求解上述方程,令残差平方和(Sum of Squares forError,SSE)达到最小时的a0,a1,a2,…,ap即为方程的最优解。其计算公式为:
将SSE对ai(i=1,2,...,p)求偏导,并令其偏导数为0,即:
经计算整理得到方程组为:
将观测值代入方程组(5)并进行求解即可得到方程的回归系数a0,a1,a2,…,ap。为保证所建立的方程有意义,需要对方程的显著性进行F检验,其计算公式为:
为保证方程中的回归系数有意义,需对方程中非零的回归系数进行显著性t检验,其计算公式为:
式中:Cii为矩阵C=(XTX)-1中的元素。且X为写成矩阵形式的方程组自变量:
为保证所建立的回归模型具有较高的预测准确度,需要对方程的拟合程度进行检验,其计算公式为:
式中:R为复相关系数,代表自变量与因变量之间的线性相关性大小。R2越大表明方程的拟合程度越好。
最终,经过多元线性逐步回归得到的烦恼度评价模型为:
G=a+bLi+cLA……(10)
式中,a、b、c为常数;Li为50Hz前20阶倍频A声级,LA为20~20kHz频率范围的总A声级。
S160:根据烦恼度评价模型,输出输变电设备的噪声烦恼度的评价结果。
此外,在其他的实施例中,还可以包括对烦恼评价模型的验证:
声样本可以包括第一声样本和第二声样本,第一声样本用于建立烦恼度评价模型,第二声样本用于验证烦恼度评价模型的准确度。验证烦恼度评价模型的准确度的步骤,包括:
对第二声样本进行主观评价和客观参数计算,并将计算的客观参数输入烦恼度评价模型中,获得第二声样本的噪声烦恼度评价结果;将第二声样本的噪声烦恼度评价结果与第二声样本的主观评价结果作对比,从而验证烦恼度评价模型的准确度。
综上,本实施例提出一种输变电设备噪声烦恼度评价方法,用于反映人对输变电噪声的主观感受。包括:获得声样本;分别对声样本进行主观评价和客观评价,得到主观评价结果和客观参数;分别对主观评价结果和客观参数进行相关性分析;若客观参数的相关性分析结果满足预设情况,则对客观参数进行降维处理;以降维后的、且与主观评价结果的相关性高于预设值的客观参数为主变量,以语义细分法划分的烦恼度等级为因变量进行多元线性逐步回归,建立烦恼度评价模型;根据烦恼度评价模型,输出输变电设备的噪声烦恼度的评价结果。通过上述方式,本申请建立的烦恼度评价模型具有较高的预测准确度,可以反映人对输变电噪声的主观感受,为噪声治理提供更加科学合理的指导。
以下结合实施例案例说明本申请的方案:
对某变电站采集了47个声样本,其中42个声样本用于建立烦恼度评价模型,5个声样本用于验证烦恼度评价模型的准确性。采用5等级语义细分法,选择20位评价主体对40个声样本进行主观评价,分值1、2、3、4、5分别表示一点也不烦恼、有点烦恼、比较烦恼、相当烦恼、极度烦恼。
主观评价以及客观参数计算后,进行Kendall相关系数分析,发现评价主体之间均具有较高的相关性,说明评价主体的评价结果越可信。
进行Pearson相关系数后发现,部分客观参数之间相关性较高,因此需要通过客观参数降维剔除冗余的客观参数,最终获得200Hz、300Hz、350Hz、500Hz、600Hz频率下的A声级、总A声级对烦恼度的贡献最大。通过多元线性逐步回归获得的烦恼度评价模型为:
G=-3.321+0.041L300+0.076LA
模型验证结果下表,可以看出模型计算得到的评价结果与主观评价的结果相符,说明烦恼度评价模型具有较高的准确性。
基于上述的一种输变电设备噪声烦恼度评价,本申请还提出一种输变电设备噪声烦恼度评价装置,请参阅图2,图2是本申请输变电设备噪声烦恼度评价装置一实施例的结构示意图,在本实施例中,输变电设备噪声烦恼度评价装置可以包括:
声样本获取模型110,用于获得声样本;
评价模块120,用于分别对声样本进行主观评价和客观评价,得到主观评价结果和客观参数;
相关性分析模型130,用于分别对主观评价结果和客观参数进行相关性分析;若客观参数的相关性分析结果满足预设情况,则对客观参数进行降维处理;
烦恼度评价模型140,用于以降维后的、且与主观评价结果的相关性高于预设值的客观参数为主变量,以语义细分法划分的烦恼度等级为因变量进行多元线性逐步回归,建立烦恼度评价模型;
评价结果模块150,用于根据烦恼度评价模型,输出输变电设备的噪声烦恼度的评价结果。
基于上述的输变电设备噪声烦恼度评价方法,本申请还提出一种电子设备,如图3所示,图3是本申请电子设备一实施例的结构示意图。电子设备300可以包括存储器31和处理器32,存储器31连接处理器32,存储器31中存储有计算机程序,计算机程序被处理器32执行时实现上述任一实施例的方法。其步骤和原理在上述方法已详细介绍,在此不再赘述。
在本实施例中,处理器32还可以称为CPU(central processing unit,中央处理单元)。处理器32可以是一种集成电路芯片,具有信号的处理能力。处理器32还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
基于上述的输变电设备噪声烦恼度评价方法,本申请还提出一种计算机可读存储介质。请参阅图4,图4是本申请计算机可读存储介质一实施例的结构示意图。计算机可读存储介质400上存储有计算机程序41,计算机程序41被处理器执行时实现上述任一实施例的方法。其步骤和原理在上述方法已详细介绍,在此不再赘述。
进一步的,计算机可读存储介质400还可以是U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存储器(random access memory,RAM)、磁带或者光盘等各种可以存储程序代码的介质。
可以理解的是,此处所描述的具体实施例仅用于解释本申请,而非对本申请的限定。另外为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。文中所使用的步骤编号也仅是为了方便描述,不对作为对步骤执行先后顺序的限定。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。
本申请中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,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、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种输变电设备噪声烦恼度评价方法,其特征在于,包括:
获得声样本;
分别对所述声样本进行主观评价和客观评价,得到主观评价结果和客观参数;
分别对所述主观评价结果和所述客观参数进行相关性分析;
若所述客观参数的相关性分析结果满足预设情况,则对所述客观参数进行降维处理;
以降维后的、且与所述主观评价结果的相关性高于预设值的客观参数为主变量,以语义细分法划分的烦恼度等级为因变量进行多元线性逐步回归,建立烦恼度评价模型;
根据所述烦恼度评价模型,输出输变电设备的噪声烦恼度的评价结果。
2.根据权利要求1所述的输变电设备噪声烦恼度评价方法,其特征在于,所述分别对所述声样本进行主观评价和客观评价,得到主观评价结果和客观参数,包括:
获取评价主体对所述声样本的主观感受评价信息,并根据语义细分法,确定所述声样本的烦恼程度,获得所述主观评价结果;
选取20~20kHz频率范围的总A声级与50Hz的前20阶倍频A声级作为所述客观参数。
3.根据权利要求2所述的输变电设备噪声烦恼度评价方法,其特征在于,所述分别对所述主观评价结果和所述客观参数进行相关性分析,包括:
采用Kendall相关系数分析对评价主体的主观评价结果进行相关性分析;
采用Pearson相关系数分析对声样本提取的客观参数进行相关性分析。
4.根据权利要求3所述的输变电设备噪声烦恼度评价方法,其特征在于,所述若所述客观参数的相关性分析结果满足预设情况,则对所述客观参数进行降维处理,包括:
若通过Pearson相关系数分析发现提取的客观参数存在交叉重叠,则对所述客观参数进行降维处理,以剔除冗余的客观参数。
5.根据权利要求4所述的输变电设备噪声烦恼度评价方法,其特征在于,所述对所述客观参数进行降维处理,包括:
采用主成分分析法对客观参数进行降维,具体为:
对于m个n维原始数据,将其按列组成n行m列的矩阵X;
将矩阵X的每一行进行零均值化,即减去该行的均值;
计算得到协方差矩阵C,有C=XXTm;
求所述协方差矩阵C的特征值以及对应的特征向量;
将所述特征向量按照对应的特征值大小从上到下按行排列成矩阵,取前k行组成k×n维的矩阵P;
Y=PX即为降维到k维后的数据。
6.根据权利要求5所述的输变电设备噪声烦恼度评价方法,其特征在于,所述烦恼度评价模型G为:G=a+bLi+cLA;
其中,a、b、c为常数;Li为50Hz前20阶倍频A声级,LA为20~20kHz频率范围的总A声级。
7.根据权利要求6所述的输变电设备噪声烦恼度评价方法,其特征在于,所述声样本包括第一声样本和第二声样本,所述第一声样本用于建立所述烦恼度评价模型,所述第二声样本用于验证所述烦恼度评价模型的准确度;
验证所述烦恼度评价模型的准确度的步骤,包括:
对所述第二声样本进行主观评价和客观参数计算,并将计算的客观参数输入所述烦恼度评价模型中,获得所述第二声样本的噪声烦恼度评价结果;
将所述第二声样本的噪声烦恼度评价结果与所述第二声样本的主观评价结果作对比,从而验证所述烦恼度评价模型的准确度。
8.一种输变电设备噪声烦恼度评价装置,其特征在于,包括:
声样本获取模型,用于获得声样本;
评价模块,用于分别对所述声样本进行主观评价和客观评价,得到主观评价结果和客观参数;
相关性分析模型,用于分别对所述主观评价结果和所述客观参数进行相关性分析;若所述客观参数的相关性分析结果满足预设情况,则对所述客观参数进行降维处理;
烦恼度评价模型,用于以降维后的、且与所述主观评价结果的相关性高于预设值的客观参数为主变量,以语义细分法划分的烦恼度等级为因变量进行多元线性逐步回归,建立烦恼度评价模型;
评价结果模块,用于根据所述烦恼度评价模型,输出输变电设备的噪声烦恼度的评价结果。
9.一种电子设备,其特征在于,包括存储器和处理器,所述存储器连接所述处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时实现权利要求1-7中任一项所述的输变电设备噪声烦恼度评价方法。
10.一种计算机可读存储介质,其特征在于,存储有计算机程序,所述计算机程序被执行时实现权利要求1-7任一项所述的输变电设备噪声烦恼度评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111066961.9A CN113742930A (zh) | 2021-09-10 | 2021-09-10 | 输变电设备噪声烦恼度评价方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111066961.9A CN113742930A (zh) | 2021-09-10 | 2021-09-10 | 输变电设备噪声烦恼度评价方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113742930A true CN113742930A (zh) | 2021-12-03 |
Family
ID=78738224
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111066961.9A Pending CN113742930A (zh) | 2021-09-10 | 2021-09-10 | 输变电设备噪声烦恼度评价方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113742930A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114001396A (zh) * | 2021-12-06 | 2022-02-01 | 杭州老板电器股份有限公司 | 油烟机控制方法、装置和油烟机 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101821923B1 (ko) * | 2017-02-20 | 2018-01-24 | 인하대학교 산학협력단 | 마스킹 효과를 고려한 전기자동차 경고음 음질 평가 방법 및 그 장치 |
CN110084474A (zh) * | 2019-03-19 | 2019-08-02 | 中国电力科学研究院有限公司 | 一种变电站自动化设备互操作能力评价方法及系统 |
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 |
-
2021
- 2021-09-10 CN CN202111066961.9A patent/CN113742930A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101821923B1 (ko) * | 2017-02-20 | 2018-01-24 | 인하대학교 산학협력단 | 마스킹 효과를 고려한 전기자동차 경고음 음질 평가 방법 및 그 장치 |
CN110084474A (zh) * | 2019-03-19 | 2019-08-02 | 中国电力科学研究院有限公司 | 一种变电站自动化设备互操作能力评价方法及系统 |
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 |
Non-Patent Citations (3)
Title |
---|
戴维·皮廷格: "《行为研究的设计与分析》", 中国统计出版社, pages: 210 - 213 * |
闫靓: "混合噪声总烦恼度客观评价及实验研究", 《西北工业大学学报》, vol. 27, no. 3, pages 382 - 386 * |
陈勇勇等: "城市变电站噪声的声品质烦躁度评价试验研究", 《科学技术与工程》, vol. 18, no. 13, pages 214 - 218 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114001396A (zh) * | 2021-12-06 | 2022-02-01 | 杭州老板电器股份有限公司 | 油烟机控制方法、装置和油烟机 |
CN114001396B (zh) * | 2021-12-06 | 2023-12-05 | 杭州老板电器股份有限公司 | 油烟机控制方法、装置和油烟机 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aramaki et al. | Controlling the perceived material in an impact sound synthesizer | |
Yang et al. | Psychoacoustical evaluation of natural and urban sounds in soundscapes | |
Chen et al. | Semi-supervised multiresolution classification using adaptive graph filtering with application to indirect bridge structural health monitoring | |
v. Latoszek et al. | A meta-analysis: acoustic measurement of roughness and breathiness | |
Piszczalski et al. | Predicting musical pitch from component frequency ratios | |
CN110567575B (zh) | 一种汽车门锁闭合声品质评价方法 | |
CN114237046B (zh) | 一种基于sift数据特征提取算法与bp神经网络模型的局部放电模式识别方法 | |
US20180136350A1 (en) | Method and system for the multimodal and multiscale analysis of geophysical data by transformation into musical attributes | |
CN113742930A (zh) | 输变电设备噪声烦恼度评价方法、装置及存储介质 | |
CN115273904A (zh) | 一种基于多特征融合的愤怒情绪识别方法及装置 | |
Richardson et al. | A comparative normative study between Multidimensional Voice Program, Praat, and TF32 | |
Hummel et al. | Spectral features for automatic blind intelligibility estimation of spastic dysarthric speech | |
Ih et al. | Experimental design and assessment of product sound quality: application to a vacuum cleaner | |
Li et al. | A neural network model for speech intelligibility quantification | |
Garro et al. | Analysis of an automobile door closure vibroacoustic response | |
CN113313397A (zh) | 一种声品质满意度分级以及限值确定方法 | |
Rouder et al. | Bayesian hierarchical models in psychological science: A tutorial | |
De Poli et al. | Timbre clustering by selforganizing neural networks | |
Lopes et al. | Classification of crispness of food materials by deep neural networks | |
Matocha et al. | Music genre recognition using convolutional neural networks | |
Tzagkarakis et al. | Musical genre classification via generalized Gaussian and alpha-stable modeling | |
Despotović et al. | Exploring Power Signatures for Location Forensics of Media Recordings | |
Song | Analysis on the Aesthetic Spirit in Computer Music based on Wavelet Analysis and Signal Fusion | |
CN117727332B (zh) | 基于语谱特征分析的生态种群评估方法 | |
Steitz et al. | Applicability of dimension analysis to data in psychology |
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 |