矿山工地应用场景噪音源多目标识别分类数据

为了降低矿产开采作业场景的噪声污染，优化人员作业的环境状态，我们通过CATBoost多目标分类算法进行不同噪音源进行检测分析，从而根据不同噪音的特性进行多目标分类，通过此操作，可以帮助我们筛选出高噪音污染性的运行设备，紧接着再做进一步的环境噪音优化，从而大大提高了从业人员在工作环境的舒适度。1.数据搜集：收集矿山工地场景的声学信号数据，并将其作为特征变量。同时，收集对应噪音源的器件数据，并将其作为分类的目标变量。2.预处理：利用归一化公式x=（xi-min）/（max-min）；其中xi是样本字段中第i条数据，x是归一化后的值；并且利用同类均值插补法进行缺失值补充，首先用层次聚类模型预测缺失变量的类型，再以该类型的均值插补。3.数据分析：由于不同设备的声源信息不同，因此我们将他们每个频率的最大值和最小值都搜集出来，紧接着将最大值中最大的那个值作为上限，最小值中最小的那个值作为下限，因此构造出了频率值区间，将区间内的所有值平均分成[0，4000)、[4000，8000)、[8000，12000)、[12000，16000)、[16000，20000]这5类，记为A,B,C,D,E字母，其他数据字段如：声压级、持时、尖锐度、响度的值也同理进行一样的操作，紧接着根据采集到的设备信息，我们可以将它的各个信息值对标字母类别，最后再将各个转换为字母类别的信息按顺序串成一段字母(如：CBAAE对应的就是钻孔机borer),最后我们将该字母串导入到交互式文本框中，它就会反馈出对应的声源类别，其中交互式文本框的制作流程如下：首先根据每一个设备信息的上下限确定好可能存在的数字类别，紧接着将所有可能的字母类别进行串联，最终出现了所有属于该设备的字母串类型，最后将这些字母串导入到交互式系统中（也就是所谓的穷举法）。

搜集汇总

背景与挑战

背景概述

该数据集由嘉兴融声科技有限公司提供，包含501条矿山工地应用场景的噪音源数据，数据格式为CSV，涵盖频率、声压级、持时、尖锐度、响度和声源类别等字段。通过CATBoost多目标分类算法对噪音源进行分类，旨在降低噪声污染并优化作业环境。