灰色关联度分析法在机场噪声监测点集中的应用
开篇：润墨网以专业的文秘视角，为您筛选了一篇灰色关联度分析法在机场噪声监测点集中的应用范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
【 摘 要 】 机场噪声监测点的噪声值与多方面因素相关，例如天气、温湿度、航迹、机型等，研究这些影响因素，对于科学有效地降低噪声值有着至关重要的地位。本文采用灰色关联度分析的方法对同一航班不同机型的影响因素进行了分析，并通过实例加以验证。结果表明，灰色关联度分析方法在对于影响噪声值条件的选择具有可行性。
【 关键词 】 机场噪声；噪声值；灰色关联度；监测点
Application of Grey Relational Analysis in Airport Noise Monitoring Points Sets
Gu Fei 1 Xu Tao 1，2，3
（1. College of Computer Science and Technology， Nanjing University of Aeronautics and Astronautics JiangsuNanjing 210016；
2. College of Computer Science and Technology， Civil Aviation University of China Tianjin 300300；
3. Information Technology Research Base of CAAC Tianjin 300300）
【 Abstract 】 Mobile technology is our common among people indispensable contact information， but we are in the process of mobile communications， it may sometimes be malicious damage， so even in the development of mobile communications， we have the development of mobile communications security technology see also particularly important， we do not want their privacy interests are infringed， the mobile security technology for mobile generic technology development becomes more important， I give us a better understanding of mobile security technology， will remain we better protect their interests.
【 Keywords 】 mobile communications；security
1 引言
随着社会的进步和我国民航事业的不断发展，时至今日，空中交通已经成为了人们出行不可或缺的运输方式，机场作为空中交通的驿站和城市的窗口，在城市现代化的进程中担当着重要的角色。航空运输在给城市带来了便捷和繁荣的同时，也带来了一系列的环境问题，其中最严重的当属航空噪声污染问题，国内外的众多机场都不同程度的受到航空噪声的困扰。而且，随着人们环境意识的逐渐提高，机场噪声的问题日益突出，机场周围公众对机场噪声时有抱怨，有的还很强烈，如要求机场给予经济补偿、要求关闭或搬迁机场，甚至有些人采用不理智行为阻挠飞机在机场的起降。机场噪声污染问题是一个世界性的难题，严重影响机场可持续发展和机场与周边的和谐发展。治理航空噪声，预防噪声污染，实现机场航空业务的可持续发展，已经成为机场当局不得不面对和解决的一个棘手问题。
一个完备的机场噪声监测系统需要在机场周边布置尽可能多的监测点，从而能够实时全方位地监测机场周边的噪声影响。这些监测点的噪声值可能随着天气、温湿度、航迹、跑道的不同而不同。如何能够在历史监测数据中，找出最优化的航迹、跑道等信息，使得噪声值最小，从而能够有效地降低机场噪声的影响。
2 灰色关联度分析法
2.1 灰色关联度的概念
灰色系统理论（Grey System Theory）最早是由华中理工大学邓聚龙教授提出的。灰色系统的关联分析是系统态势的量化比较分析。灰色关联度分析法的原理是：若干个统计数列所构成的各条曲线几何形状越接近，即越相平行，则它们的变化趋势越接近，其关联度就越大。关联序反映各评价对象对理想对象（参考对象）的接近次序，即评价对象的优劣次序，其中关联度最大的评价对象为最佳。因此，可利用关联序对评价对象进行排序，以对评价对象进行比较。
2.2 灰色关联度的计算
2.2.1原始数据的预处理
由于各因素各有不同的计量单位，因而原始数据存在量纲和数量上的差异，不同的量纲和数量级难以比较。因此，必须要对原始数据进行无量纲化处理。常用的方法有初值化、均值化等。
（1）初值化。用同一数列的第一个数据去除后面的所有数据，得到一个各个数据相对于第一个数据的倍数数列，即初始化数列。一般地，初值化方法适用于较稳定的社会经济现象的无量纲化，因为这样的数列多数呈稳定增长趋势，通过初始化处理，可使增长趋势更加明显。
（2）均值化。先求出各个原始数列的平均数，再用数列的所有数据除以该数列的平均数，就得到一个各个数据相对于其平均数的倍数数列，即均值化数列。一般说来，均值化方法比较适合没有明显升降趋势现象的数据处理。
2.2.2分析模型的建立
设经过预处理的数据后的理想参考数列为：
x0（k）={x0（1），x0（2），...，x0（n）}（k=1，2，...n）
与参考数列作关联程度比较的P个数列（比较数列）为：
xi（k）={xi（1），xi（2），...，xi（n）}（k=1，2，...n）（i=1，2，...，p）
上式中，n为数列的长度，即数据的个数。
灰色关联度分析方法是基于系统各因素时间序列曲线相似相异程度来衡量关联度大小的量化方法，实际上是用两条曲线的差值来作为关联度的度量基础。
将第k个比较数列（k=1，2，...p）各期的数值与参考数列对应期的差值的绝对值记为：
0k（t）=| x0（t）-xk（t） | t=1，2，...，n
对于第k个比较数列，分别记n个0k（t）中的最小数和最大数为0k（min）和0k（max）。对于p个比较数列，又记p个0k（min）中的最小者为（min），最大者为（max）。
于是第k个比较数列与参考数列在t时刻的关联系数可以通过如下式子计算：
（1）
（1）式中，？籽表示分辨系数，用来削弱（max）过大而使关联系数失真的影响。0
2.2.3计算关联度
灰色关联度是由灰色关联系数演变而来。由于关联系数太多，信息不集中，不便于比较，为此，一般将比较数列与参考数列各个时期的关联系数的平均值来定量反映这两个数列的关联程度，其计算公式如下：
式中，r0k为第k个比较数列与参考数列的关联度。若考虑各关联系数的权重，便可得比较数列与参考数列的加权灰色关联度，即：
式中，？棕（i）为灰色关联系数？灼0k（i）在关联度中的权重。
2.2.4排关联度
设r0a为比较数列A与参考数列的关联度，r0b为比较数列B与参考数列的关联度，若r0a>r0b，则认为比较数列A对参考数列的相似程度比比较数列B大；若r0a
3.1 机场噪声监测点数据集的影响因素
机场噪声监测点测量的噪声值与天气、温湿度、飞机选取的跑道、飞行的航迹以及所采用的机型、监测点的位置等多方面的因素有关。天气、温湿度等自然因素属于非人为可控制因素。因此，为了降低噪声值，必须选择最合适的机型、跑道等人为可控因素。可利用灰色关联度分析法对历史监测数据进行分析。
3.2 灰色关联度分析法应用步骤
取国内某机场一个月内的同一航班所产生的噪声的监测数据，如表1所示。这里的同一航班可以将天气、温湿度、跑道、航迹看成是相同的，唯一不同的是机型。可采用灰色关联度分析法帮助选择合适的机型使得产生的噪声值最小。设有6个被评价对象（B738，B733，B737，A321，B763，A333），每个被评价对象有12个评价指标（监测点1～监测点12）。这样，第i个被评价对象可描述为xi={xi1，xi2，...，xi12}，i=1，2，...，6。
3.2.1 确定参考序列
根据各监测点的数据值，在6个被评价对象中选出各项指标的最优值组成参考序列x0。
x0={x01，x02，...，x012}。因为噪声值是越小越好，所以这里的最优值即噪声值的最小值。
3.2.2 无量纲化
在实际数据中，各评价指标的量纲和数量级有所不同，因而不可以直接进行比较，所以必须进行无量纲化，来消除原始变量不同量纲的影响。根据机场噪声的特点，本文采用直线形无量纲化公式，即
显然，各指标的最优值均为1，则最优参考序列x0={1，1，...，1}，生成的数据如表2所示。
3.2.3 计算两级最大差（max）和最小差（min）
计算过程分为两个步骤
1、计算ij
ij=| x'ij-1 | i=1，2，...，6；j=1，2，...，12
2、计算（max）和（min）
计算结果如表3所示。
3.2.4 计算关联度
根据计算公式 ，计算出
被评价对象与最优参考序列之间的关联系数（取？籽=0.5），如表4所示。再由关联系数得到关联度，如表5所示。
3.2.5 比较和排序
因为r0i反应的是第i个被评价对象与评价标准序列x0相互关联的程度，因此，如果r0i>r0j，则表明第i个样本比第j个样本好。
由表5可得实验结果：
r01>r02>r03>r04>r05>r06
所以，综上所述，在该航班中，选择A333号机型可获得最小的噪声值。
4 结束语
本文针对机场噪声监测点数据集的特征，采用了灰色关联度分析法对同一航班不同机型的历史数据集进行了分析。最后采用国内某大型机场历史噪声数据集对其进行验证，通过理论及实验分析可得，采用灰色关联度分析法选择出的机型能够最大限度地降低监测点的噪声值。
参考文献
[1] 邓聚龙.灰色系统基本方法[M].武汉：华中理工大学出版社，1987.
[2] 韩晓，何明，李金林，杨勇.基于灰色关联度的科研项目风险评价方法[J].北京理工大学学报，2002，22（6）：778-781.
[3] 郭秀英.指标值为区间数的多指标灰关联决策方法的改进[J].统计与决策，2011，10（1）：20-22.
[4] 孙芳芳.浅议灰色关联度分析方法及其应用[J].科技信息，2010，17（1）：880-882.
项目基金：
国家自然科学基金重点项目（61139002）；国家“863计划”项目（2012AA063301）；中国民用航空局科技项目（MHRD201006、MHRD201101）；中央高校基本科研业务费专项资金（3122013P013）。
作者简介：
谷飞（1989-），男，汉族，江苏盐城人，南京航空航天大学，硕士研究生；主要研究方向和关注领域：数据挖掘和智能信息处理研究。
徐涛（1962-），男，南京航空航天大学，博导，中国民航大学计算机学院院长，主要研究方向数据挖掘、智能信息处理研究、图形图像与可视化技术、软件测试技术等。