Data-driven Tensor Product Polytypic Based Model for Environmental Noise Monitoring = Adatvezérelt tenzorszorzat-politípus alapú modell környezeti zajmonitorozáshoz

Sultan, Darwish and Houssem, Zairi and Kocsis, Dénes (2025) Data-driven Tensor Product Polytypic Based Model for Environmental Noise Monitoring = Adatvezérelt tenzorszorzat-politípus alapú modell környezeti zajmonitorozáshoz. MESTERSÉGES INTELLIGENCIA, 7 (2). pp. 45-55. ISSN 2676-9611

Preview

Text MI_2025_2_045_Darwish_Zairi_Kocsis.pdf - Published Version Available under License Creative Commons Attribution Non-commercial No Derivatives. Download (697kB) | Preview

Abstract

This paper presents a compact matlab-based workflow for acquiring, organizing, andanalyzing urban environmental noise data with a strict spatiotemporal structure. Multi-stationsound pressure level (SPL) measurements are organized into a three-dimensional tensor,unfolded into a two-dimensional matrix, and analyzed using singular value decomposition(SVD) to extract dominant spatial and temporal patterns. Two lightweight normalizationschemes cumulative normalized output (CNO) and separated normalized noise nodes (SNNN)are introduced to support low-rank reconstruction, anomaly detection, and decision-making. Acase study conducted in Debrecen, Hungary, over an eight-week period (daily averages)demonstrates the effectiveness of the proposed methodology by revealing clear weekly patternsand midweek noise anomalies. The framework is scalable to dense sensor networks and can beintegrated into smart city dashboards, offering a robust foundation for adaptive urban planningand real-time environmental noise management. | Ez a tanulmány egy kompakt, MATLAB-alapú munkafolyamatot mutat be a városi környezeti zajadatok szigorú tér-időbeli struktúrában történő gyűjtésére, rendszerezésére és elemzésére. A több mérőállomáson végzett hangnyomásszint (SPL) mérések háromdimenziós tenzorba kerülnek szervezésre, majd kétdimenziós mátrixba kifejtve szingulárisérték-felbontással (SVD) kerülnek elemzésre a domináns térbeli és időbeli mintázatok feltárása érdekében. A tanulmány két könnyűsúlyú normalizálási eljárást vezet be – a kumulatív normalizált kimenetet (CNO) és a szétválasztott normalizált zajcsomópontokat (SNNN) –, amelyek támogatják az alacsony rangú rekonstrukciót, az anomáliadetektálást és a döntéstámogatást. Egy esettanulmány, amelyet Debrecenben végeztek egy nyolchetes időszak alatt (napi átlagértékekkel), igazolja a javasolt módszertan hatékonyságát azáltal, hogy jól elkülönülő heti mintázatokat és a hét közepére jellemző zajanomáliákat tár fel. A keretrendszer skálázható sűrű szenzorhálózatokra, és integrálható okosváros-irányítópultokba, így robosztus alapot nyújt az adaptív várostervezéshez és a valós idejű környezeti zajkezeléshez.

Actions (login required)

Edit Item