Page 112 - 应用声学2019年第5期

864 2019 年 9 月

L 90 、L 95 、L max 、L min 、SD 等。通过监测获得A监测 月份，即该监测点季节性特点较为明显。C 监测点
点有效样本个数 526034 个；B 监测点获得有效样本 处于 3 类功能区，受季节变化或工业作业影响，下
个数 488864个；C 监测点获得有效样本个数 526707 半年噪声水平相对低于上半年噪声水平。2 月上旬
个；D监测点获得有效样本个数402361 个。 5日–11日左右为农历新年假期，该时间段声级在全
年最低。此外，C 监测点休息日与非休息日间昼夜
1.3 长期分布特征分析
间等效连续 A 声级存在明显的差别：休息日期间的
由于自动监测获取的数据量较大，为了更好地
噪声强度相对低于非休息日的噪声强度。D监测点
呈现各监测点监测时间内声环境质量水平随时间
处于 4a 类功能区，主要受到交通噪声影响，该监测
分布情况，本文设计采用多时间维度声级分布图，通
点全年昼夜间等效连续 A 声级变化相对稳定，月与
过不同颜色标识出等效连续 A声级大小。以B监测
月之间声级变化较小，昼夜间等效连续声级差距较
点1 月份监测结果为例，示例图如图 1 所示，横坐标
小，夜间安静时段少，噪声污染较为严重。
轴代表监测日期(如：1月1日–1月31日)，纵坐标轴
各监测点具有不同的声环境特点，其各月噪声
代表时间 (24 小时)；图中灰色部分代表该时间段数
水平分布也有差异，本文采用以下方法进行详细分
据缺失。图中直观反映出声环境质量分布具有很强
析探讨其差异与规律。
的规律性和时间周期性：昼夜间等效连续 A 声级差
异规律明显；等效连续 A 声级具有以一周为周期的
2 监测时间优化分析
周期性分布特征等。
2.1 分析方法
40.00 44.00 48.00 52.00 56.00 60.00 /dB(A)
非参数统计方法适用于总体分布不能用确
22
定的实参数来刻画或者不确定数据总体分布形
20
18 态 的 情 形， 具 有 不 受 总 体 的 限 定、 适 用 范 围
ᄣ฾௑ᫎ/h 16 广 等 优 点 [11] 。 常 用 的 多 独 立 样 本 的 非 参 数 检
14
验方法有 Kruskal-Wallis H 检验 (简称 K-W 检验)、
12
10
8 Jonckheere-Terpstra 检验、中位数检验等方法。K-
6 W 检验检验适合进行多个独立样本的检验，检验效
4
率达到 0.95 [12] ，故本研究采用此方法进行判断功能
2
0 区噪声监测数据的差异性进行分析。
2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
ᄣ฾ெర(1థ1ெú1థ31ெ) K-W 检验的基本思想是将数据转化为秩统计
图 1 B 监测点 1 月份声环境质量监测结果 量 [13] 。即将多个样本排序并排秩，然后将各组的样
Fig. 1 The monitoring results of acoustic environ- 本秩求均值，如果各组样本平均秩大致相等，则多个
mental quality at monitoring site B in January 总体分布没有明显差异，反之则有显著差异。

利用上述表征方法，将A、B、C和D 4个监测点 2.2 年监测时间优化
位监测日期内 (连续 12 个月) 功能区噪声连续 24 小 本次研究利用采集的小时噪声数据，计算得到
时自动监测结果分别绘制如图2所示。 各日的昼夜间等效连续A声级。以各监测点一年12
根据图 2 可以看出，4 个监测点隶属不同功能 个月的昼夜间等效连续 A 声级有效数据作为样本，
区，其各月监测数据差异性也各不相同：A 监测点 采用 Shapiro-Wilk检验对 4 个监测点的各样本进行
处于2类功能区，该监测点于6月–8月声级较高，与 正态分布检验。根据检验结果得知 A、B、C、D 4 个
其他月份相比明显上升，考虑该监测点处于公园 监测点正态分布特性不统一，因此本研究根据样本
附近及当地环境，可能主要受到鸣蝉噪声影响，故 分布特性采用非参数检验方法中的 K-W 检验对各
该监测点受季节变化影响较大。B 监测点处于 2 类 月样本之间的差异进行检验分析。
功能区且监测点位于生活办公区，该监测点夏秋季 本研究通过 SPSS 软件，利用 K-W 检验分析本
6 月 –9 月夜间等效连续 A 声级平均水平高于其他 次研究的 4 个监测点位各月之间数据的差异性。为