文献

J-GLOBAL ID：202102276799936248   整理番号：21A2572586

深層ニューラルネットワークを用いた音響センサネットワークにおける音レベル予測【JST・京大機械翻訳】

Sound Levels Forecasting in an Acoustic Sensor Network Using a Deep Neural Network

著者 (5件)： Navarro Juan M. (Escuela Politecnica. Universidad Catolica de Murcia (UCAM), Campus de los Jeronimos, 30107 Guadalupe, Spain) ,  Martinez-Espana Raquel (Escuela Politecnica. Universidad Catolica de Murcia (UCAM), Campus de los Jeronimos, 30107 Guadalupe, Spain) ,  Bueno-Crespo Andres (Escuela Politecnica. Universidad Catolica de Murcia (UCAM), Campus de los Jeronimos, 30107 Guadalupe, Spain) ,  Martinez Ramon (Escuela Politecnica. Universidad Catolica de Murcia (UCAM), Campus de los Jeronimos, 30107 Guadalupe, Spain) ,  Cecilia Jose M. (Computer and Systems Department (DISCA). Universitat Politecnica de Valencia (UPV), Camino de Vera, s/n, 46022 Valencia, Spain)
資料名： Sensors (Web)  (Sensors (Web))
巻： 20  号： 3  ページ： 903  発行年： 2020年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 無線音響センサネットワークは,今日,都市における騒音汚染監視と管理のための必須ツールである。ネットワークを生成するノードの計算容量の増加は,音源と環境,例えば,音事象を検出し,音量を計算するのにより多くの情報を提供する処理アルゴリズムと人工知能の追加を可能にする。都市における音圧レベルを予測するいくつかのモデルは,主に道路,鉄道および航空交通騒音である。しかし,これらのモデルは,主に補助データ,例えば,車両流または街路形状に基づいており,時間的長期に対して等価レベルを予測する。したがって,時間的短期音レベルの予測は,都市計画者と管理者にとって有用なツールである。本研究では,近時間未来値を予測するために,ある位置,音圧レベルおよびラウドネスレベルの両方で,音響レベルの時間挙動をモデル化するため,長短温度メモリ(LSTM)深層ニューラルネットワーク技術を提案した。提案技法は,センサネットワークのあらゆるノードに訓練され,統合され,例えば,雑音汚染に対する早期警報の方法,およびノードまたはネットワーク故障の場合のバックアップなどの新しい機能を提供する。このアプローチを検証するために,音響センサの配置ネットワークのノードによる2か月測定キャンペーンで捕捉された1分周期等価音レベルを,それを訓練し,異なる予測モデルを得るために使用した。開発したLSTMモデルと自己回帰統合移動平均モデルの評価を行い,1から60分までのいくつかの時間に対する音レベルを予測した。結果の比較は,LSTMモデルが統計ベースモデルより優れていることを示した。一般に,LSTMモデルは,音圧レベルに対して4.3dB以下の平均平方誤差で,音さに対して2音未満の値の予測を達成した。さらに,LSTMモデルの適合の良さと音レベルの予測に関するデータの挙動パターンは満足できるものであった。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  雑音 ,  管理者 ,  警報 ,  故障 ,  *ネットワーク ,  *音響 ,  道路 ,  音源 ,  都市 ,  人工知能 ,  音圧レベル ,  予測モデル ,  *センサネットワーク
準シソーラス用語： 無線センサネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： 音響学 ,  無線センサネットワーク ,  スマートシティ ,  深層学習 ,  長期短期記憶 ,  時間的予測

分類 (2件)： 計測機器一般  (AD02000X) ,  水中音響応用  (BB03090U)

引用文献 (52件)：

• European Commission. END, Directive 2002/49/EC of the European Parliament and of the Council of 25 June 2002 relating to the Assessment and Management of Environmental Noise; European Commission: Brussels, Belgium, July 2002.
• Hornikx, M. Ten questions concerning computational urban acoustics. Build. Environ. 2016, 106, 409-421.
• Murphy, E.; King, E.A. Strategic environmental noise mapping: Methodological issues concerning the implementation of the EU Environmental Noise Directive and their policy implications. Environ. Int. 2010, 36, 290-298.
• Murphy, E.; Rice, H.J.; Meskell, C. Environmental noise prediction, noise mapping and GIS integration: The case of inner Dublin, Ireland. In Proceedings of the 8th International Transport Noise and Vibration Symposium, St. Petersburg, Russia, 4-6 June 2006.
• Arana, M.; Martín, R.S.; Martin, M.L.S.; Aramendía, E. Strategic noise map of a major road carried out with two environmental prediction software packages. Environ. Monit. Assess. 2010, 163, 503-513.

タイトルに関連する用語 (4件)： 深層ニューラルネットワーク ,  音響センサ ,  音レベル ,  予測