2010年世博会在上海盛大举行，“城市，让生活更美好”的主题充分体现了我们对未来城市生活的进步追求，预示着上海及其他城市将利用和改造自然，创造品质优越的生存环境，造福城市居民。其中有效预测和减少噪声污染就是其中的重要内容。随着人类社会进步和经济发展，城市居民对居住环境品质追求越来越高，而环境污染问题同时也日益凸显。研究和解决人类对环境品质的进步要求与环境污染问题二者之间的矛盾，具有重大的现实意义。本文将系统介绍噪声污染对人类社会生活的危害和国内外交通噪声预测的研究现状，并基于武汉市环境声学质量GIS管理系统进行二次开发，运用改进的BP神经网络模型进行城市道路交通噪声预测，探求实现噪声预测功能的更佳解决方案，为市政规划、城市建设、经济发展和人居环境品质提升提供参考依据。　　 近年来，由于城市机动车数量的逐年递增，交通噪声已成为城市噪声污染的主要来源。以武汉市为例，武汉市各区域共设有194个噪声监测点，多年统计数据显示，各区域交通噪声值均呈上升趋势，噪声污染给城市居民生活构成了明显干扰，特别是给主干道周边城市居民生活质量和健康状况等方面都带来了严重影响。为改善居住环境，提高城市居民生活质量和健康状况，根据对城区干道噪声值的预测结果进行适时调整和科学改进城市建设规划、道路市政建设布局，有着巨大的社会效益和经济效益。　　 城市道路交通噪声预测基本原理是根据已采集的道路相关数据和噪声实测值进行噪声值的预算，依据国家相关标准对市区干道、功能区进行数据的采集和监测，并基于所得数据采用一定数学方法对城市道路交通噪声进行有效预测。交通噪声预测在数学上属于典型的多维非线性问题，传统的数理统计方法通常表达式复杂，具有一定的局限性。探求行之有效的数学模型以求得最佳预测效果，是城市交通噪声预测的技术关键之所在。　　 人工神经网络模型是一种具有很强非线性映射能力的数学方法，这一优良特点使其可作为多维非线性函数的通用数学模型。国内外已有诸多专家学者利用人工神经网络这一优良特性将其运用于大气质量预测、水质与水量预报、地质灾害预测、经济股票预测，并在预测领域研究取得了重大进展。因此本文选取新兴的人工神经网络预测模型，将该模型应用于城市道路交通噪声预测中，结合武汉市历年来的监测数据，深入研究和分析影响噪声预测的因素，选取大车流量、小车流量和道路宽度为神经网络预测模型的输入因子，等效噪声值作为神经网络的输出，建立了道路交通噪声预测的神经网络模型。　　 目前已有基于BP神经网络模型应用到交通噪声污染预测中，并取得了较好的预测结果。但BP算法在本质上是属于一种非线性的优化方法，存在学习时收敛时间较长，易陷入局部极小点等缺点。遗传算法是一个具有全局随机搜索的有效工具，利用遗传算法优化神经网络的参数能够克服BP学习算法存在的缺陷。本文将单纯形算子、自适应交叉、变异和加速算子引入到遗传算法中，提高了遗传算法的收敛速度，形成了单纯形混合加速遗传算法，并将单纯形混合加速遗传算法引入神经网络算法中，建立一种单纯形混合加速遗传算法和神经网络算法相耦合的道路噪声预测模型，并结合武汉市环境声学质量GIS管理系统这一实际研究项目，采用改进的BP神经网络噪声预测模型和VB6.0开发环境对该系统进行二次开发，提高了预测精度，较好的实现噪声预测的功能，进一步完善了武汉市环境声学质量GIS管理系统的功能，为城市建设、交通道路规划工作提供了可行的参考依据。