基于神经网络的声学参数预测方法研究

为更加准确高效地预测建筑声学客观音质参数,该文基于机器学习的室内中频混响时间和语言传输指数的神经网络预测方法。将基于机器学习的神经网络技术与计算机声学模拟仿真技术相结合,提取800个厅堂建筑的10个典型特征参数和3个目标参数,利用Odeon声学仿真平台,针对不同音质参数指标建立多个数值矩阵训练样本数据库,采用机器学习理论对混响时间、语言传输指数等指标进行BP神经网络数据拟合训练。对训练结果的均方误差、误差分布及回归系数进行评估,结果显示混响时间参数的训练均方误差小于0.05 s,语言传输指数参数的训练均方误差小于1.5×10^(-4),所有目标参数的回归系数R值均优于0.95。评估结果表明,该神经网络具备良好的预测准确性、数据泛化性和应用适用性。经实例验证,依托该神经网络编译和封装的应用程序可以实现对目标参数的快速评价,减少人力物力,提高工作效率。