Improvement of forecast noise levels in confined spaces by means of geostatistical methods

A seguito di una mappatura di livello di pressione acustica, effettuata su griglia regolare a maglia quadrata all’interno di un’aula universitaria (con rumore prodotto da una sorgente artificiale ad hoc), e di implementazione di un modello di propagazione del rumore indoor “classico”, viene impostata una operazione di stima con Kriging con deriva esterna. Quando infatti, è disponibile, come informazione ausiliaria correlata alla variabile di studio (livello di pressione acustica misurata), una variabile nota su tutto il campo (livello di pressione acustica in uscita dal modello) e quando non ricorrono le condizioni di stazionarietà (come riscontrato nel caso in oggetto), il kriging con deriva esterna consente di operare la ricostruzione della variabile di interesse facendo intervenire la variabile ausiliaria. In questo caso la variabile ausiliaria contribuisce alla stima fornendo l' andamento generale su tutto il campo della variabile di studio, difficilmente ricostruibile, data la non stazionarietà, con le sole misure della variabile diretta. Ciò si traduce nella possibilità di effettuare la stima di campo acustico a partire da pochi valori di livello di pressione campionato (6 nel caso più soddisfacente) sfruttando i valori in uscita dal modello (che può essere implementato con i soli rilievi sulla sorgente). Ciò consente di superare i problemi di non stazionarietà del fenomeno e concettualmente di integrare i valori misurati con i dati che tengono conto della struttura fisica del fenomeno per un miglioramento sensibile della qualità della stima.The aim of this paper is to improve, through the application of geostatistical methods, the results provided by forecasting models for determining the noise level in confined spaces. After a brief glance at the legislative aspect of assessing noise risk in working environments, the importance is stressed of the space-time discretization of the work cycle for the purpose of the aforesaid assessment under the most general conditions, and hence of the need to have the sound pressure level map available for every time element. Attention was then shifted to the spatial reconstruction of the sound pressure levels by means of forecasting models. In particular, in a case prepared ad hoc, the discrepancy was evidenced, by means of a set of regular grid measurements, between forecasting and reality, characterized by a strong bias varying in size from one point to another. The external drift method, applied using a few measurements of the primary variable and the output of the model as the external drift, proved to be very effective in removing the bias