為提高強(qiáng)震儀的抗干擾能力,基于分類(lèi)、決策的機(jī)器學(xué)習(xí)中的AdaBoost集成學(xué)習(xí)方法,設(shè)計(jì)一種強(qiáng)震動(dòng)數(shù)據(jù)抗干擾算法,以解決基于決策樹(shù)的強(qiáng)震動(dòng)數(shù)據(jù)抗干擾算法存在的易過(guò)擬合、分類(lèi)準(zhǔn)確度不高等問(wèn)題。從天然地震動(dòng)與人工干擾下的強(qiáng)震動(dòng)數(shù)據(jù)中提取出若干個(gè)特征（波形對(duì)稱(chēng)度、卓越頻率、最大增長(zhǎng)速度等）,形成一一對(duì)應(yīng)的訓(xùn)練樣本特征集與事件屬性集;初始化權(quán)重分布,持續(xù)利用AdaBoost技術(shù)更新樣本權(quán)重分布,以增加較難分辨樣本的權(quán)重值,然后將若干個(gè)弱分類(lèi)器訓(xùn)練為一個(gè)強(qiáng)分類(lèi)器,達(dá)到提高強(qiáng)震儀抗干擾準(zhǔn)確度的目的。此方法分類(lèi)準(zhǔn)確度較高,具有較強(qiáng)的環(huán)境適應(yīng)性,對(duì)于推動(dòng)強(qiáng)震觀(guān)測(cè)儀器智能化實(shí)現(xiàn)、促進(jìn)土木工程結(jié)構(gòu)防震減災(zāi)技術(shù)發(fā)展具有一定現(xiàn)實(shí)意義。 

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
1 強(qiáng)震儀抗干擾算法
    1.1 決策樹(shù)原理
    1.2 AdaBoost算法
    1.3 強(qiáng)震儀環(huán)境干擾與加速度記錄特征參量研究
    1.4 算法設(shè)計(jì)
2 實(shí)驗(yàn)結(jié)果與分析
3 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于機(jī)器學(xué)習(xí)的強(qiáng)震動(dòng)監(jiān)測(cè)環(huán)境抗干擾方法對(duì)比研究[J]. 龐聰,江勇,廖成旺,吳濤,丁煒.  內(nèi)陸地震. 2020(02)
[2]2017年6月3日內(nèi)蒙古阿拉善左旗5.0級(jí)地震強(qiáng)震記錄及特征分析[J]. 王文才,李佐唐,石文兵.  地震工程學(xué)報(bào). 2018(01)
[3]基于小波降噪和主成分分析的結(jié)構(gòu)損傷識(shí)別[J]. 趙懷山,郭偉超,高新勤,楊振朝,李言.  西安理工大學(xué)學(xué)報(bào). 2017(04)
[4]基于BP-Adaboost方法的天然地震和人工爆炸事件波形信號(hào)分類(lèi)識(shí)別研究[J]. 趙剛,黃漢明,盧欣欣,郭世豪,柴慧敏.  地震工程學(xué)報(bào). 2017(03)
[5]用于地震預(yù)警系統(tǒng)的單臺(tái)站防誤觸發(fā)算法研究[J]. 江汶鄉(xiāng),于海英,趙曉芬,許思銘.  自然災(zāi)害學(xué)報(bào). 2015(02)
[6]基于隨機(jī)森林的建筑結(jié)構(gòu)損傷識(shí)別方法[J]. 周綺鳳,楊小青,周青青,雷家艷.  振動(dòng).測(cè)試與診斷. 2012(02)
[7]新型數(shù)字強(qiáng)震儀關(guān)鍵技術(shù)分析[J]. 王雷,周琪,高峰,魏繼武.  地震工程與工程振動(dòng). 2011(06)
[8]近場(chǎng)數(shù)字強(qiáng)震儀記錄誤差分析與零線(xiàn)校正方法[J]. 于海英,江汶鄉(xiāng),解全才,楊永強(qiáng),程翔,楊劍.  地震工程與工程振動(dòng). 2009(06)
[9]工程強(qiáng)震觀(guān)測(cè)儀器觸發(fā)裝置的抗干擾設(shè)計(jì)[J]. 趙松年,熊小蕓.  地震學(xué)報(bào). 1987(02)

博士論文
[1]面向地震預(yù)警的強(qiáng)震動(dòng)數(shù)據(jù)處理技術(shù)研究[D]. 江汶鄉(xiāng).中國(guó)地震局工程力學(xué)研究所 2015

碩士論文
[1]基于數(shù)據(jù)挖掘技術(shù)的強(qiáng)震區(qū)公路巖質(zhì)邊坡地質(zhì)災(zāi)害評(píng)價(jià)體系研究[D]. 宋金龍.成都理工大學(xué) 2012
[2]水下巖塞爆破地震反應(yīng)譜特性及結(jié)構(gòu)的模態(tài)分析研究[D]. 榮立爽.太原理工大學(xué) 2008



本文編號(hào)：3681475