在Covid-19封锁期间,利用机器学习方法对城市噪音动态的短期分析,在伊朗的马什哈德
Raheleh Valizadeh Ardalan1, Mitra Mohammadi2, Mohammad Sadegh Bahadari3
1Department of Environmental Sciences, Kheradgarayan Motahar Institute of Higher Education, Mashhad, Iran.
Scientific reports
|December 11, 2025
概括
人类活动对马什哈德的噪音污染有重大影响. COVID-19隔离措施降低了噪音水平,随机森林模型准确地预测了城市规划中的噪音污染.
科学领域:
- 环境科学 环境科学
- 城市规划 城市规划
- 声学 声学 在声学方面
背景情况:
- 噪音污染对人类健康构成重大风险.
- 了解人类活动对城市噪音的影响至关重要.
- COVID-19 流行病为研究噪音水平变化提供了独特的机会.
研究的目的:
- 评估人类活动对马什哈德地区噪音污染的短期影响.
- 在COVID-19隔离期间分析噪音水平变化.
- 使用机器学习开发噪声污染的预测模型.
主要方法:
- 在COVID-19隔离期间和之前对等持续声音水平 (Leq) 测量的比较.
- 使用威尔科克森签名等级测试进行统计分析.
- 开发和验证一个随机森林 (RF) 噪音水平预测模型.
主要成果:
- 在隔离期间,在所有测量的交叉点上观察到Leq的统计显著减少.
- 随机森林模型表现出高准确度,R平方值为0.914.
- 该模型实现了0.967的根平均平方误差 (RMSE) 和0.620.6的平均绝对误差 (MAE).
结论:
- 人类活动是马什哈德噪音污染的主要驱动因素.
- 旨在减少交通量的城市规划策略可以减轻噪音污染.
- 一个随机森林模型为地方范围的噪音管理提供了一个实用的工具.
更多相关视频
06:01Semi-Automated Analysis of Peak Amplitude and Latency for Auditory Brainstem Response Waveforms Using R
Published on: December 9, 2022
2.8K
06:22Machine Learning-Based Cough Tone Classification: Diagnostic Exploration of Chronic Obstructive Pulmonary Disease and Respiratory Tract Infections
Published on: September 19, 2025
399
