环境噪声监测技术与预测模型的融合
环境监测与控制技术专业《电子教材5-4》
1针对工程不同运行阶段，依据?机场周围飞机噪声环境标准?GB966沪－88评价WECPNL评价量70dB，75dB，80dB，85dB，90dB等值线范围内各敏感目标城镇、学校、医院、集中生活区等的数目和受影响人口的分布情况。
2结合工程选址和机场跑道方案布局，评述其合理性和可行性，必要时提出环境替代方案。
3对超过标准的环境敏感地区，按照等值线范围的不同提出不同的降噪措施，并进行经济技术论证。
N02声环境影响评价根底
一、噪声的传播——声音的三要素
声音是由物体振动产生的，其中包括固体、液体和气体，这些振动的物体通常称为声源或发声体。物体振动产生的声能，通过周围的介质可以是气体、液体或者固体向外界传播，并且被感受目标所接受，例如人耳是人体的声音接受器官。在声学中，把声源发声体、介质传播途径、接收器或称受体称为声音三要素。
3分析受影响人口的分布状况以受到超标影响的为主。
4分析建设工程的噪声源分布和引起超标的主要噪声源或主要超标原因。
5分析建设工程的选址选线、设备布置和选型或工程布置的合理性，分析工程设计中已有的噪声防治措施的适用性和防治效果。
6为使环境噪声达标，评价必须增加或调整适用于本工程的噪声防治措施或对策，分析其经济、技术的可行性。
一、声环境影响预测
1．声环境影响预测的方法
1收集预测需要掌握的根底资料，主要包括：建设工程的建筑布局和声源有关资料、声波传播条件，有关气象参数等。
2确定预测范围和预测点：一般预测范围与所确定的评价范围相同，也可稍大于评价范围。建设工程厂界或场界、边界和评价范围内的敏感目标应作为预测点。
3预测时要说明噪声源噪声级数据的具体声学修正，或是直接引用的已有数据资料。
交通噪声自动监测数据统计模型研究
摘要:从软科学角度，以各项实际监测数据为依据，建立城市道路交通噪声自动监测数据统计模型。
该模型将受风速、降雨量、车流量等因素影响的道路交通自动监测数据以统一模型分析，使得自动监测数据的有效性、准确性得到提高，为以后自动监测数据的综合评价提供了一套可靠和便于使用的数学方法。
关键词:噪声自动监测城市道路噪声数学模型1概述噪声自动监测作为噪声监测的发展方向，正在被越来越多的环境监测部门所重视，现在全国的许多城市都已经建立了自己的噪声自动监测系统。
国内很多专家已经从系统建设的可行性、相关监测点的科学设置、数据的有效性分析等方面做了深入研究，为后续的数据分析工作奠定了扎实的理论基础。
但在监测数据的综合分析应用领域如：针对不同监测点位不同周边条件下数据差异性如何比较；针对监测数据因监测气象条件多变的原因而复杂的情况下，如何参照国家环保部GB3096-2008《声环境质量标准》功能区噪声评价标准要求去统计，相关研究却甚少涉足。
笔者按国家环保部GB3096-2008《声环境质量标准》，以中国东部中型城市主干路道路交通为研究蓝本，应用软科学分析体系建立道路交通噪声自动监测数据统计模型，以期对道路交通噪声自动监测数据变化影响因子进行客观公正的评价。
2系统环境概况与组成南通城市道路交通噪声自动监测系统NGL04ENS 由珠海高凌信息科技有限公司在2010年建设。
监测点位于城市主干路距车行道1m处的绿化带内，噪声分析仪探头型号：NL-20符合JJG188-2002《声级计》及IEC61672-2002相关标准，仪器测量动态范围28～138dB（A）。
整个自动监测系统采用C/S架构，子站与中心站通过CDMA 无线网络传输数据，系统服务器为windows server2008数据库采用ORACLE。
研究过程中降雨量、风速参数采用当日南通气象台发布相关报告，车型、车流量由监测人员参照HJ2.4-2009《环境影响评价技术导则声环境》执行。
轨道交通轮轨噪声机理、预测与控制
轨道交通轮轨噪声机理、预测与控制轮轨噪声机理：1. 滚动噪声：当车轮滚动通过轨道时，由于轮轨接触非均匀性（如表面粗糙度、波纹等）、不平顺性及几何偏差（如踏面和钢轨轮廓）等原因，产生周期性的冲击力和振动，进而导致噪声。
2. 啸叫噪声：在高速运行下，轮轨间可能产生自激振动现象，这种高频振动伴随强烈的声学辐射，形成典型的尖锐啸叫噪声。
3. 结构噪声：车体、转向架、轨道结构等部件因振动而产生的噪声，包括板件振动噪声、结构共鸣噪声等。
4. 气动噪声：列车高速行驶时，车辆外形与空气流动之间的相互作用也会产生一定的噪声。
轮轨噪声预测：- 理论计算模型：基于声学原理，建立轮轨噪声源的物理模型，利用数值模拟方法（例如有限元分析、边界元法等）预测噪声级。
- 实验测量与数据分析：在实验室环境下模拟实际工况，进行噪声测试，并结合现场实测数据，建立预测模型或数据库。
- 频谱分析：分析噪声信号的频率特性，识别关键频率成分及其来源，有助于针对性地设计降噪方案。
控制措施：1. 轨道优化：改善轨道结构设计，提高轨道的平顺性和刚度，采用高精度加工和维护技术降低轨道不平顺引起的噪声。
2. 车轮与轨道材料改进：研发低噪声、耐磨损的轮轨材料，优化轮轨接触面的设计以减小冲击噪声。
3. 阻尼技术：增加轨道、车体和转向架的阻尼装置，减少振动能量向噪声的转换。
4. 声学屏障：在沿线安装声屏障，对传播路径上的噪声进行吸收和反射衰减。
5. 结构吸声设计：在车厢内部采用吸声材料和隔音结构，减少车内乘客感受到的噪声。
6. 轨道减振垫：使用橡胶垫或其他弹性元件隔震，减轻振动向周边环境的传递。
7. 主动控制技术：开发和应用主动降噪技术，通过实时监测和反相补偿声波来抵消部分噪声。
环境监测数据处理与分析方法
环境监测数据处理与分析方法环境监测数据的处理与分析在环境保护和可持续发展中起着至关重要的作用。
通过合理的方法和技术，我们能够从大量的监测数据中提取有用的信息，为环境问题的评估和解决提供科学依据。
本文将介绍环境监测数据处理与分析的常用方法和技术，旨在提高数据的利用效率和准确性。
一、数据预处理在进行环境监测数据处理与分析之前，首先需要对原始数据进行预处理。
数据预处理包括数据清洗、数据去噪和数据校正等步骤。
1. 数据清洗：数据清洗是指对原始数据进行筛选和过滤，去除异常值和错误数据。
常见的数据清洗方法包括数据缺失值的处理、重复数据的删除和异常数据的剔除等。
2. 数据去噪：在数据采集和传输过程中，常常会受到噪声干扰，影响数据的准确性。
数据去噪是指通过滤波等方法去除噪声信号，提高数据的可靠性和稳定性。
3. 数据校正：数据校正是为了消除仪器和设备误差带来的影响，使得数据更加准确和可比较。
校正方法包括零点校正、量程校正和线性校正等。
二、统计分析方法环境监测数据的统计分析可帮助我们了解数据的分布规律、趋势以及相关性等。
常用的统计分析方法包括描述性统计分析和推断性统计分析。
1. 描述性统计分析：描述性统计分析主要用于对数据进行总结和概括，包括测量数据的中心趋势和离散程度等。
常见的描述性统计分析方法有均值、方差、标准差和频数分布等。
2. 推断性统计分析：推断性统计分析是指通过样本数据推断总体的性质和参数。
常见的推断性统计分析方法包括置信区间估计、假设检验和方差分析等。
三、数据模型与预测数据模型与预测是利用历史数据建立数学模型，对未来的环境变化进行预测和模拟。
数据模型与预测可以帮助我们了解环境变化的趋势和影响因素，并制定相应的环境保护措施。
1. 时间序列分析：时间序列分析是利用时间的顺序关系对数据进行建模和预测。
常用的时间序列分析方法包括平滑法、趋势分析和季节性分解等。
2. 空间插值：空间插值是根据有限的观测数据，在空间上预测未知位置的数据。
环境监测技术与数据分析方法
03
数据分析方法
统计分析方法
描述性统计分析
对数据进行描述性统计，如均值、中位数、方差等，以了解数据的基本特征和分布情况。
推断性统计分析
通过样本数据推断总体特征，如回归分析、方差分析、卡方检验等，以探索变量之间的关系和预测未来趋势。
数据挖掘技术
关联规则挖掘
发现数据集中项集之间的关联规则，如购物篮分析，以揭示隐藏的关联和模式。
对区域开发活动可能产生的环境 影响进行综合评估，为区域规划 和发展提供科学支持。
战略环境影响评价
对国家重大发展战略或政策可能 产生的环境影响进行评估，促进 经济、社会和环境的协调发展。
06
案例分析
大气污染案例分析
监测技术
使用空气质量监测站、便携式监测仪器等设 备，实时监测大气中的污染物浓度，如二氧 化硫、氮氧化物、颗粒物等。
可视化技术
图表绘制
使用图表展示数据分布、趋势和关联关系。
地图可视化
将地理信息与环境监测数据结合，展示空间分布和变化。
3D可视化
通过3D技术展示多维数据和复杂结构，便于理解和分析。
05
环境监测数据应用
环境质量评估
1 2 3
空气质量评估
通过监测空气中的污染物浓度，评估空气质量状 况，为制定空气质量标准和改善措施提供依据。
数据转换
将数据转换为适合分析的格式，如标准化、归 一化等。
数据筛选
根据需求筛选出有用数据，减少计算量和提高分析效率。
数据变换与特征提取
数据变换
通过数学变换将数据转换为易于分析和识别的形式。
特征提取
从原始数据中提取出有代表性的特征，减少特征维度 。
特征选择
选择与目标变量相关性强、信息量大的特征，提高模 型精度。
基于机理模型与数据模型融合的污水处理智能控制系统构建思路
基于机理模型与数据模型融合的污水处理智能控制系统构建思路基于机理模型与数据模型融合的污水处理智能控制系统构建思路1、引言随着经济的发展和人口的增长，污水排放问题日益凸显。
为了保护水资源和环境，有效的污水处理成为当务之急。
传统的污水处理方法由于其操作过程复杂、设备投资高、能耗大等问题，亟需研发一种智能高效的污水处理系统。
本文主要介绍基于机理模型与数据模型融合的污水处理智能控制系统的构建思路。
2、机理模型与数据模型融合的意义污水处理系统是一个复杂的非线性系统，其工艺过程涉及水力学、化学反应、微生物学等多个领域。
传统的控制方法常常依赖于机理模型，即基于物理规律和经验判断建立的模型。
然而，机理模型往往存在参数估计困难、模型精度不高等问题。
相比之下，数据模型具有无需事先了解工艺过程原理、具有较高的模型精度等优势。
因此，将机理模型和数据模型融合起来，可以充分发挥两者的优势，提高污水处理系统的控制效果。
3、构建思路（1）建立机理模型首先，需要深入研究污水处理系统的工艺过程和机理模型。
通过调研和实验，了解不同水质参数对水处理效果的影响规律，并建立相应的微分方程模型。
通过对模型进行参数估计和模型验证，确保机理模型能够准确描述污水处理系统的动态特性。
（2）采集数据为了构建数据模型，需要采集大量的污水处理系统的运行数据。
数据采集可以通过在线监测设备或者手动采集实验数据进行。
采集的数据包括水质参数、流量、温度等，覆盖不同时间尺度和空间尺度。
通过数据预处理，去除噪声和异常值，提高数据质量。
（3）建立数据模型采用机器学习和人工智能等方法，对采集的数据进行建模。
可以使用经典的数据建模方法，如线性回归、支持向量机等，也可以采用深度学习的方法，如神经网络等。
通过对数据进行训练和优化，建立数据模型。
然后，通过数据模型预测污水处理系统的运行状态和水质变化情况。
（4）融合机理模型和数据模型将建立的机理模型与数据模型进行融合。
可以通过融合方法，如模型预测误差补偿、模型参数辨识等，将机理模型和数据模型的优势相结合，提高系统的控制效果。
基于多传感器数据融合技术的环保监测系统设计
基于多传感器数据融合技术的环保监测系统设计环保监测是为了实现环境的可持续发展和人类生存环境的安全而进行的一种监测活动。
随着科技的不断发展，多传感器数据融合技术在环保监测系统设计中得到了广泛应用。
本文将围绕环保监测系统的设计，探讨基于多传感器数据融合技术的应用与优势。
一、引言环境保护是当今社会的重大议题，人们对环境污染的检测和监测要求越来越高。
多传感器数据融合技术作为一种有效的监测手段，能够整合多种传感器所采集到的数据，实现对环境状况的全面观测和准确评估。
二、多传感器数据融合技术在环保监测系统中的应用1. 传感器选择与布局环保监测系统中的传感器选择和布局是保证数据融合质量的关键因素。
在传感器选择时需考虑监测要求的特点和精确度的要求。
对于大范围的监测区域，可以采用多种类型的传感器进行布局，以获取更全面的环境数据。
2. 数据采集与传输传感器通过采集环境数据，将数据传输给数据融合平台进行处理与分析。
传感器数据采集要具备高度的准确性和时效性，使用先进的传输技术可实现数据的实时传输和处理。
3. 数据预处理传感器采集到的原始数据往往包含噪声、冗余和不一致性等问题，需要进行数据的预处理。
对于不同传感器采集数据的单位不统一问题，需通过标准单位进行转化。
同时，进行异常值和噪声的识别和滤除，确保传感器数据的准确性和可靠性。
4. 数据融合算法数据融合是将多传感器所采集到的数据进行整合和处理的过程，旨在提高数据的精确度和可靠性。
数据融合算法可以包括加权平均、模型融合、特征提取等。
通过合理选择和设计数据融合算法，可以实现对环境数据的全面监测和准确评估。
5. 数据可视化与分析经过数据融合处理后，环保监测系统将生成全面、准确的环境数据。
数据可视化与分析模块可以将数据以直观的形式展示，提供给用户数据的分析和决策依据。
同时，还能够通过数据模型和算法判断环境状况是否符合安全标准，进行预警和预测。
三、基于多传感器数据融合技术的环保监测系统的优势1. 全面性与准确性传统的环保监测方法往往局限于单一传感器的数据采集，无法全面反映环境状况。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第38卷第4期2016年7月环境影响评价
Environmental Impact Assessment
Vol. 38,No.4
Jul.,2016
环境噪声监测技术与预测模型的融合李楠\冯涛\吴瑞2，刘元庆3
(1.北京工商大学材料与机械工程学院，北京1〇〇〇48;2.北京市劳动保护科学研究所，北京100054;3.中国电力科学研究院，北京100192)
摘要：环境噪声的监测技术和预测技术是其管理的重要技术手段。在叙述当前环境噪声监测技术和预测技术应用现 状的基础上，指出其在技术融合方面的需求和不足，并提出相应的技术融合框架，来提升噪声管理项目实施的效率和 质量。此外，还讨论了该框架涉及的关键技术，包栝环境噪声监测设备及其数据管理系统、环境噪声预测模型、环境噪 声预测反演及修正、相干噪声模型及噪声地图及其快速计算技术，最后给出相关系统研发的初步成果。关键词：环境噪声监测；环境噪声预测；噪声地图DOI： 10. 14068/j.ceia. 2016.04.003
中图分类号：X593 文献标识码：A 文章编号:
近年随着我国经济建设的迅猛发展，城市人口呈 现激增态势，随之而来的是城市工业噪声和道路交通 噪声等问题日渐突出，大部分居民在不同程度上受到 相关噪声干扰。为降低环境噪声对居民身心健康的 危害，加强城市声环境管理，辅助城市规划建设，环境 噪声监测和预测技术已成为相关科研活动和管理行 为实施的重要手段。1 噪声监测及预测技术的应用现状欧洲国家对于环境噪声管理的研究开展较早， 2002年6月，欧盟就公布了环境噪声评价与管理指 令，要求各成员国在5年时间内，结合噪声监测技术 和噪声预测技术，绘制以干线道路、铁路和机场为主 要噪声源的大区域策略性噪声地图，以求拟定缓解噪 声的行动计划。相比欧洲国家，我国在环境噪声监测技术和预测 模型方面的研究目前还处于起步阶段[1]，从实施和应 用角度来讲，主要存在以下问题：(1)技术融合与数据融合不充分。环境噪声监 测相关的软硬件系统由各专业厂商独立研发，其数据收稿日期：2016 -04 - 12基金项目：北京市自然科学基金（L150007 );国家电网公司科技项目 资助（BB1508-1508-00561)作者筒介：李楠（1979 —），男，北京人，副教授，博士，主要研究方向 为环境声学，E-mail: linan@ th. btbu. edu. cn 通讯作者：冯涛（1969 —），男，上海人，教授，博士，主要研究方向为 环境声学，E-mail: fengt@ th. btbu. edu. cn2095 -6444(2016)04 -0009 -05结构、数据接口、软件开发接口、软件实施细节均处于 封闭状态。当实施相对大型的城市环境噪声监控项 目时，多源数据的融合和管理变得十分困难，极大削 弱了数据价值的挖掘深度。另外，技术的封闭使得软 硬件协同应用变得阻碍重重，技术人员将大量的精力 消耗在不同体系结构软硬件的适配上。(2) 技术实施难度大且周期长。对于较为大规 模的环境噪声预测项目，如城市噪声地图绘制，实施 周期往往一年或几年，人力物力开销很大。我国正处 于城市化进程大发展时期，城市建设速度很快，导致 了各种数据时效性与较长实施周期之间的矛盾。因 此，对环境噪声监测系统的系统柔性和环境噪声预测 模型的迭代响应速度提出了更高的要求。(3) 系统自动化和智能化程度不高。相较于目 前，大数据、云计算、物联网等技术的飞速发展，环境 噪声监测软硬件及预测软件的研发水平仍存在差距， 主要是系统自动化和智能化程度不高，在一定程度上 导致环境噪声监测、预测项目实施周期较长。针对上述问题，本文将探讨环境噪声监测技术与 预测模型的融合，以提升环境噪声管理效率、优化管 理质量相关方法和技术。
2噪声监测及预测融合的技术框架
数据驱动的噪声地图绘制参考框架[2 ]给出了一 个利用监测数据来参与噪声地图修正迭代计算的参 考模型。在此基础上，可以进一步扩展出环境噪声监10环境影响评价
第38卷
测技术与预测模型融合技术框架，如图1所示。该框 融合，提供各类监测数据服务；第二部分是把监测数架主要包括两部分，第一部分是将多源监测数据进行 据引人环境噪声预测模型进行求解计算。
图1环境噪声监测技术与预测模型融合技术框架Fig. 1 Integration technology framework of environmental noise monitoring technology and prediction model
为应对监测设备的接口和数据格式多样的问题， 需要建立统一的中央数据仓库来存储多源监测数据， 并且需要建立相应的数据转换和数据迁移服务来进 行数据规约。另外还需要专门的物理量计算模块对 各类必要统计数据进行计算。需要指出的是，该系统 需要有较强的容错性来应对因数据采集和数据传输 的不可靠性导致的数据不完整等问题。3噪声监测及预测融合的关键技术3.1监测设备及数据管理系统环境噪声监测数据的积累是一个复杂的系统工 程。高质量、长时间的数据积累是噪声管理研究和实 施的重要前提。如西班牙马德里在2002年左右实施 噪声地图项目时，已经累积了 30年的监测数据，城市 部署了 400多个固定监测点，并且进行了 4 000多次 移动监测，为得到高质量噪声地图提供了保障。环境噪声监测设备的发展主要经历了 3个技术 阶段:第一阶段是手持设备现场监测，人工成本和时 间成本高，且监测数据的导出、整理和汇总也需要消 耗大量时间；第二阶段是全天候无人值守监测站点， 目前大多数监测站的数据接口开放度不够，当组建一 个由多种品牌设备构成的监测网络时，其数据融合将 产生较多问题；第三阶段为基于云平台的监测网络，由多种监测终端结合云计算和云存储平台构成的一 体化软硬件系统。通过中间件技术充分消解硬件接 口的不一致性，能够对外提供高质量、柔性化的数据 分析和数据可视化服务。3.2预测模型及误差来源
近年来，很多国家都推出环境噪声预测模型，包 括美国FHWA、英国CoRTN、日本ASJ RTN-Model、法 国NMPB、欧盟Harmonoise以及我国的公路和铁路交 通噪声预测模型等。预测模型基本都由两部分组成， 声源模型和传播模型。声源模型主要是将复杂的声 学对象（如公路噪声、铁路噪声、工业区噪声等）等效 为抽象的声学对象（点声源、线声源、面声源等），而 传播模型主要是求解声源点到预测点之间的衰减量， 进而得出指定位置的预测结果。以我国模型为例，《环境影响评价技术导则声环 境》中给出了户外声传播衰减计算的基本形式：
Lp(r) ~ Lp(r〇) ~ (Adiv + Aatm + Agr +Abar +Amisc) ( ^ )式中，L/r)为预测点r处的声压级，为
已知距离无指向性点声源参考点~处的倍频带声压 级，dB;4&为几何发散引起的衰减;^_为大气吸收引 起的衰减;为地面效应为声屏障衰减；也_为 其他衰减。预测模型求解的结果与监测站点监测的数据一第4期李楠等：环境噪声监测技术与预测模型的融合
11
般会有差异，称之为预测误差。文献[3 ]分析了预测 误差的来源，主要包括3类：（1)预测模型的准确性。 由于不同国家、不同地区的环境状况、交通状况及城 市规划都有所不同，所以难以找到一个通用的预测模 型。（2)声源信息的准确性。环境噪声预测涉及的 声源参数非常复杂，例如针对交通噪声，主要包括道 路状况、车流量、车速、车型比例及每种车型的参考噪 声级等。上述参数的输人值一般来自于以往长时间 实测数据的平均值或等效值，与噪声监测点测量的真 实值往往有较大偏差。（3)传播模型和传播路径的 准确性。在预测求解中，声源与接收点之间的声传播 环境十分复杂，而具体计算过程中关于声传播环境的 输人信息一般来自于GIS统计数据，可能出现信息滞 后甚至信息错误的状况，导致预测值和监测值之间产 生较大误差。另外，预测模型的可计算化程度和完备 度也是计算误差产生的原因。3.3预测反演及修正技术环境噪声预测模型需要利用监测数据对其计算 过程进行修正，改善后续预测计算的质量。这种修正 过程是一个持续的迭代过程，需要监测数据不断更 新，不断地驱动预测计算过程。目前，基于监测数据 的反演和修正已经取得了一些研究成果[3“]，其原理 一般可以用式（2)来表达：-SRn-SRrk--v-SRnl-SRnk.U」式中，S表示声源离散化点的源强表示各个预 测点位置的预测结果；表示从声源到声预测点之 间的传播衰减矩阵。预测模型通过对传播衰减矩阵的计算来得到预 测结果值。当发现预测点的实际监测值和预测值有 偏差时，则利用测量值代替预测值，假设衰减矩阵不 变，反求出各个点声源的源强值。需要指出的是，上 述反演方法无法处理传播路径不准确产生的误差，只 能处理源强信息不准确而产生的误差。由于衰减矩 阵的求解十分复杂，涉及的衰减量很多，所以利用有 限的监测数据来反演衰减矩阵难度很大。目前，针对不同预测误差来源需要采取不同的修 正策略，总结如下：(1)因预测模型不适用而产生的误差。此类误 差往往是由于预测区域的城市环境或交通流特征与预测模型的适用范围存在较大距离而产生。有两种 解决策略，一种是假设预测模型误差出现在声源计算 部分，通过监测值对源强进行修正；另一种是对预测 模型本身进行修正，通过大量实验及利用回归分析等 方法对声源模型的相关系数进行调整。(2) 声源信息不准确产生的误差。车速信息、车 型比例等交通流信息更新不及时会产生声源误差。 其应对策略一般有两种，一种是将交通监测装置、气 象监测装置等与环境噪声预测系统进行数据联动，保 证所有数据处于最新状态，增强声源信息的时效性； 另一种是通过监测数据反演出等效源强，其中等效源 强一般用单位长度声功率级来表示。利用第二种方 法时需要注意监测点数目往往少于声源数目，且声源 的粒度很难统一。例如一般将道路抽象成线声源，而 线声源在计算中会进一步等效成一系列点声源。那 么不同长度道路离散的点声源数量是不同的，其传播 路径一般单独计算。由于一个监测点可能受到若干 道路离散出的点声源影响，因此如何将监测值反演回 每一个离散点进而更精确地等效出线声源的源强成 为一个问题。一般对于此类反演会进行一些假设，如 假设每个声源点源强虽然需要调整，但其对预测点影 响的贡献比例不变。但由于商用预测软件求解过程 一般被视为黑箱，难以进行如此粒度的假设操作，只 有在自研的高度可控的预测软件包中才能实现。(3) 传播过程中产生的误差。由于传播模型一 般固定不变，此类误差主要由计算原始数据和真实环 境数据不一致造成。为降低此类误差，地理信息数据 的及时更新至关重要。传播模型软件化实现是另外 一个关键，即传播模型计算模块是否能处理复杂的反 射绕射环境，及复杂地形的影响。3.4相干噪声模型在环境噪声预测中，声接收点处的声压往往是多 个声源共同作用的结果，设声接收点处声压为&，两 个声源经传播衰减达到声接受点处的声压分别为^ 和一般情况下，声源间不相干，声接收点处声压 可按能量来叠加，如式（3)所示：pi = p\ +pi (3)