Estimating community tolerance for wind turbine noise annoyance
Notice bibliographique
Résumé
A-weighted WTN contributed less than 10% to the strength of the multiple regression model developed for wind turbine noise (WTN) annoyance in Health Canada’s Community Noise and Health Study (CNHS). Improvements required consideration of non-LAeq variables unknown or even inapplicable beyond the CNHS. To facilitate cross-study comparisons, an analysis of WTN annoyance was conducted based on the community tolerance level (CTL) model. The rate of increase in WTN annoyance was effectively estimated using a loudness function, as shown in Eq. (1). %HA = 100 exp (-(1/[10((DNL-CTL + 5.306)/10)]0.3)). (1) By convention, CTL is the DNL from Eq. (1) where 50% of the community would be highly annoyed. The CTL for WTN annoyance from field studies published to date ranges from 57.1 to 64.6 DNL (mean = 62, σ = 3). CTL values developed by others for transportation noise sources suggest that, on average, communities are between 11 dB and 26 dB less tolerant of WTN than of other sources, depending on the source. Confidence in these results should increase as future studies in this area produce additional estimates for the relationship between WTN level and the prevalence of high annoyance. The CTL analytical methods, assumptions, strengths, and limitations are presented.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».