当前,随着城市化进程加快,我国城市规模不断扩大,由此引发了一系列环境问题。其中,城市环境噪声问题日益严重,而深圳城市噪声投诉在城市各类环境投诉中已位居首位,城市环境噪声问题的解决已迫在眉睫。目前,国内对于噪声的处理方式仍以物理控制为主,无法有效应对城市日益严重的噪声问题。而当前的城市声景研究,将声音(包括噪声)看作是一种资源,强调对声音的利用,这就为噪声问题的解决提供了重要的思路和方法。而利用声景解决噪声问题的关键在于建立高效的声景评价方法。因此,本研究将人工智能的手段引入到声景评价中,从声景的声级和声源要素出发,利用人工神经网络,建立高效的声景评价模型,从而为解决城市噪声问题提供新的技术手段和方法,同时也能从声景的角度为城市规划和设计提供有益指导。本文主要通过了文献阅读、实地调研、实验室主观评价以及数理统计分析等方法构建了基于人工神经网络的深圳城市声景评价模型,并从声源和声级两个角度对深圳城市声景进行了评价。首先,通过文献研究,梳理了声景评价的指标、方法以及常用的模型,提取了声景评价关键因素:声级和声源要素;同时基于人工神经网络模型的基本结构,分析了声景评价模型结构。接着,通过大量声景调研,获取了深圳市大鹏、龙岗、宝安、福田、南山和罗湖的声音数据及其周围环境特征,并在此基础上将深圳城市声景分为自然声景、人工声景以及自然与人工混合声景。再次,基于声景评价模型基本结构以及调研数据,分别从声级和声源两方面对深圳城市声景进行分析,通过文献研究以及实验室主观评价,量化了声级、声源与使用者主观感受的关系。最后,结合前面的分析,建立了基于人工神经网络的声景评价模型,包括声级评价模型和声源评价模型。其中根据声级评价模型,声级主观评价可以根据声级的大小进行判断。而声源评价模型则包括三类评价模型:一个基于5种声源类别的通用模型以及分别基于自然声源及生活声为主、基于机械声为主的两类分组模型。从研究结果上看,通用模型的效果较差,而两个分组模型的预测结果较好,准确率均在0.7以上。另外,基于已构建的声景评价模型,进一步分析了深圳城市声景评价结果。结合声级和声源评价结果,大鹏地区的评价最高,最为安静,龙岗其次,而罗湖最差。另外,从声景类型来看,自然声景评价最好,混合声景其次,而人工声景最差。