城市噪声监测优化布点研究

钱琪所 ，林秀珠

(1. 云南省环境工程评估中心，云南 昆明 650032；2. 福建师范大学福清分校，福建 福清 350300)

城市噪声监测优化布点研究

钱琪所1，林秀珠2

(1. 云南省环境工程评估中心，云南 昆明 650032；2. 福建师范大学福清分校，福建 福清 350300)

摘要：为探讨城市以较少网格监测点获得较科学的声环境信息，分析区域环境噪声监测点的优化问题，减少每年监测带来的巨大工作量。在借鉴国内噪声监测优化布点研究成果的基础上，结合环境噪声污染特征，以福建省某城市为例，运用物元分析法和熵权法确定最优测点数，把该市区域环境噪声普查的152个监测点位优化为12个。将此方法与统计分析方法作比较，经验证，两种方法监测的等效声级和标准差平均值均<2dB(A)，监测结果之间无显著性差异

关键词：城市噪声监测；优化布点；物元分析；熵权法；统计分析法

0引言

城市区域环境噪声监测作为环境监测体系的一个重要组成部分，噪声监测布点的合理性关系到能否客观、准确地反映城市噪声环境质量。城市环境噪声监测优化布点研究的一个重要内容就是用较少的监测点位来反映整个城市的噪声水平。为了解决城市噪声监测的实际问题，须选取一个或多个能代表整个城市建成区环境噪声平均水平的测点，进行长期噪声定点在线监测。国内外学者对优化布点工作进行了大量的研究[1-5]。

本研究以福建省某城市网格布点法实测数据为例，以物元分析法和熵权法确定最优测点数，并将其结果与统计分析方法作比较。

1物元模型相关理论[6-9]

1.1理想点和期望点

对某一监测点位的各项指标实测值进行比较，选择出各项指标测值的最大值和最小值。对于越大越好型指标，其最小值和最大值分别构成“最佳理想点”a(最小值)和“最次理想点”b(最大值)，并取各项指标实测值的平均值构成“期望点”c(均值)。

1.2构建标准物元矩阵和节域物元矩阵

由“期望点”c分别与“最佳理想点”a和“最次理想点”b构成两个标准物元矩阵：

(1)

(2)

由a、b两点组成的事物，其各项指标数值的范围相比较标准事物数值的范围扩大化了，其量值范围组成节域事物的物元矩阵：

(3)

式中：M 表示事物；Qj表示关于M事物的第j个评价指标。

1.3物元矩阵的构建

将每个监测点位作为一个事物，其指标的监测值构成一个物元矩阵：

(4)

式中：xij(i=1，2，……，n； j=1，2，……，m)为第i个点第j项污染指标值。

1.4熵权法赋权

为了避免人为因素的干扰，在确定权重时，采用Shannon法，从指标实测数据入手，利用数据自身信息，客观赋权。其具体步骤如下：

(1)初始矩阵的构建

设有n个评价对象，每个评价对象有m个指标，则第i个评价对象第j个指标记为xij，其形成初始矩阵：

(5)

(2)构建标准化矩阵

利用指标不同属性，可将评价指标分为正向型指标和负向型指标。因此，在确定各指标权重之前，需要先对每个样本进行归一化处理，具体方法如下：

(6)

从而得到标准化矩阵：

(7)

(3) 熵的确定

设第j个指标第i个评价点的评价指标比重为：

(8)

则第j个评价指标的熵为：

(9)

(4)熵权的确定

第j个评价指标的权重为：

(10)

1.5构建关联函数

根据节域物元矩阵和标准物元矩阵，分别构建待优化物元与标准物元之间的关联函数Ka(xij)、Kb(xij)以及综合关联函数Ka(xi)、Kb(xi)。以Ka(xi)、Kb(xi)为坐标轴，做出待优化断面的聚点图。根据图中点的分布，结合实际情况进行优化。

各单项环境污染因子对“最佳”和“最次”理想点的关联函数值为：

Ka(xij)=(xij-cj)/(cj-aj)

(11)

综合关联函数为：

(12)

2实例分析

2.1选择理想点和期望点

以福建省某城市的环境噪声监测数据为例，最后3行列出了“最佳理想点a”、“最次理想点b”和“数学期望点c”的数据，具体监测数据见表1。根据式(1)、式(2)、式(3)及表1中的数据，分别构建标准物元矩阵和节域矩阵：

2.2构建物元矩阵

根据式(4)和表1分别写出各个噪声测点的物元矩阵，限于篇幅，只给出1号测点的物元矩阵：

2.3熵权法赋权

2.3.1构建初始矩阵

根据表1的数据，形成初始矩阵：

表1　福建省某城市噪声监测数据

2.3.2矩阵标准化

根据环境噪声的属性，判断其评价指标为负向型指标。因此，根据式(6)的负向型指标对每个样本进行归一化处理，从而得到标准化矩阵：

2.3.3权重系数的确定

根据熵权法确定指标权重，结果见表2。

2.4关联函数的确定

据式(11)、式(12)测算综合关联函数值，结果见表3。以Ka、Kb为坐标轴，分别作出各监测点位的点聚图，如图1所示。

由图1可见，几乎所有的监测点都分布在Ⅱ、Ⅳ两个象限内。其中，Ⅱ象限内的点符合最劣点条件，Ⅳ象限内的点符合最佳点条件。靠近原点的点在一定条件下可以向第Ⅱ象限、Ⅳ象限转化。本研究采用的点位分类方法是：计算所有点位与原点之间的距离r。在同一象限内，r≤0.2的点位归为同一类监测点，0.21的点位为同一类监测点。根据此方法的计算结果，所有监测点可分为十二类，见表4。

表2　各指标熵值与熵权

表3　综合关联函数结果

表4　各点位的分类结果类别点位距离平均值优选点位一

类别点位距离平均值优选点位一1、2、38、54、55、93、100、103、128、140、144、170、171、172、177、180、185、41、45、133、99、122、147、187、121、67、71、75、79、83、1150.100945二36、107、135、156、160、173、179、33、48、95、138、24、146、183、42、96、101、1230.2914156三69、130、131、137、184、25、178、4、52、116、1820.46914四53、70、150、1570.758070五118、158、1140.8620114六43、441.307444七30、37、39、40、51、61、62、63、68、89、105、117、120、136、143、174、175、176、47、91、110、139、106、134、31、73、74、80、81、102、112、113、126、127、1810.0919181八3、10、11、21、28、60、78、104、132、19、20、32、65、72、88、108、125、186、5、15、92、77、1290.293620九12、29、49、50、56、97、23、76、1090.484229十22、57、13、85、86、98、111、6、640.660098十一66、140.856614十二87、1241.094887

表5　各功能区优化点位表

注：( )内数字为监测点编码。

2.5确定优化点位

对监测点位的选择方法，大致可分为3种[10-12]：选择符合程度较高的点作为优选点；选择符合程度最高和最不稳定有可能转化的点位为优选点；将分布相对集中的点进行分类，选择其中符合程度最高的点作为该类点的代表。

以上3种方法都具有一定合理性，文献[13]在上述方法的基础上有所改进。本研究直接采用文献[13]的方法来选择监测点位。步骤如下：①计算所有的点与原点之间的距离r；②计算这些距离的平均值；③选取最接近该平均值的点作为该类别的优选点。

由表6可见，优化法和统计分析法的噪声等效声级平均值相差不大，仅为0.47dB(A)，标准偏差值也仅为1.83dB(A)。

3结果检验

3.1t检验模型[14]

为了检验优化出的点位是否能够代表该区域环境噪声的总体水平，本研究采用“t检验”法对优化点位平均值与统计分析平均值进行比较。

式中：μ0为优化法Leq值；μ为统计分析法Leq值；n为优选点数；s为优化法S值。

3.2t检验结果

假设H0：μ=μ0，根据公式(13)计算 t 值，确定α= 0.05，根据自由度v= n-1，从 t 值表查出 t0. 05(n′)的界限值，检验结果列于表7。

表7　t检验结果

由表7可知，该城市各功能区及全市计算出的t值均

4结论与建议

(1)通过对城市区域环境噪声普查优化布点进行研究分析，采用了一种简单、快速、经济、实用的城市噪声监测优化布点方法，既能代表整个城市区域环境噪声的总体水平，又能代表城市不同区域的环境噪声水平。同时，优化出的点位比较均匀地分布在全市范围内，覆盖了全市各个不同环境噪声水平的小区域，能比较真实可靠地监控全市的环境噪声污染水平。

(2)优选测点的位置兼顾了声源、环境敏感点等多种因素，具有较好的代表性[15]。

(3)利用物元分析理论和熵权法选取最佳点位对城市区域环境噪声进行优化布点，既能有效地反映城市声环境质量，满足国家规范要求，又能节省大量人力、物力，有利于监测水平的提高和城市声环境的管理。

(4)将优化结果与统计分析方法进行比较，两种方法具有相同的精密度，均无显著性差异，结果满意。

参考文献：

[1]马东升,赵广宇.灰色关联度分析法在环境噪声监测优化布点上的应用[J].辽宁城乡环境科技, 1998,18(2):1-2.

[2] 庄世坚,高诚铁,欧寿铭,等.用主成分子集合选择法优选大气环境测点[J].中国环境科学, 1990,l0(2):148.

[3] 许榕.大气环境监测优化布点的研究[J].中国环境监测, 1994,10(5):1-2.

[4] 朱雨,赖世强,黄克胜,等.温州市大气环境监测优化布点的研究[J].环境污染与防治,1989,11(2):7-8.

[5] 韩玉成,杨光宇,张克伟.模糊数学在大气优化布点方面的应用[J].中国环境监测,1988,4(4):1-2.

[6] 蔡文.物元分析[M].广州:广东高等教育出版社,1987.

[7] 蔡文.物元模型及其应用[M].北京:科学技术文献出版社,1994:2-8.

[8] 张勇,黎雪梅.物元分析在环境质量评价及优化布点的应用[J].环境科学与技术,2005,28(s1):114-16．

[9] 饶清华,张江山.熵权物元分析模型在湖泊富营养化评价中的应用[J].环境工程,2006,24(6):80-83.

[10] 李祚泳.环境监测优化布点的物元分析模型[J].环境工程,1996,14(3):46-49.

[11] 孙中党,毕雪玲,康莉萍,等.物元分析法在郑州市大气监测优化布点中的应用[J].河南科学,1999,17(2):194-99．

[12] 高明慧.用物元分析法进行水质环境监测优化布点的研究[J].环境科学进展,1997,5(3):77-81.

[13] 林鸿雁,张江山,林少玲,等.熵权物元分析法在辐射环境监测优化布点中的应用[J].环境监测管理与技术,2009,10,21(5):1-4.

[14] 侯天兰.应用统计分析方法优化布点监测区域环境噪声[J].环境监测管理与技术,2004,16(5):2-3.

[15] 周凤.区域环境噪声监测优化布点研究[J].环境科学动态,2003,7(2):7-9.

Research on Optimization of Urban Noise Monitoring Site

QIAN Qi-suo1, LIN Xiu-zhu2

(1. Yunnan Provincial Center for Environmental Engineering, Kunming Yunnan 650032, China)

Abstract：In order to get more scientific acoustic environmental information with less monitoring sites, the optimization of noise monitoring sites of the urban area was analyzed. Based on the current results of optimizing the noise monitoring sites combining with the characteristics of noise pollution in China, Fuqing city was studied as a case. The 152 monitoring points were optimized to 12 using the substance element analysis and coefficient of entropy. Comparing the method with the statistical analysis method, the equivalent sound level and standard deviation of the two methods are all less 2 dB(A). Therefore, there was no significant difference between these two methods.

Key words：noise monitoring; optimization; urban noise; matter element analysis; statistical analysis

欢迎订阅

中图分类号：X839.1

文献标志码：A

文章编号：1673-9655(2015)04-0112-06

作者简介：钱琪所(1979-)，男，工程师。

收稿日期：2015-03-02