一种基于深度学习的扬尘噪声监测数据智能分析方法

本发明公开了一种基于深度学习的扬尘噪声监测数据智能分析方法，通过获取初始多源监测数据，利用小波阈值对数据中的扬尘数据进行降噪，通过自适应频带滤波对数据中的非环境干扰进行降噪，利用1D‑CNN空洞卷积神经网络提取多尺度时序特征建立扬尘分支，通过Transformer编码器提取长程频谱依赖建立噪声分支，通过注意力融合机制进行跨模态特征交互，得到双流深度神经网络模型；将所述降噪监测数据输入至模型中进行识别，输出事件分类概率和决策因子；根据评估结果进行智能预警。有效提升复杂环境事件识别准确率，对施工扬尘事件的识别准确率提升。