為提高強震儀的抗干擾能力,基于分類、決策的機器學習中的AdaBoost集成學習方法,設計一種強震動數據抗干擾算法,以解決基于決策樹的強震動數據抗干擾算法存在的易過擬合、分類準確度不高等問題。從天然地震動與人工干擾下的強震動數據中提取出若干個特征（波形對稱度、卓越頻率、最大增長速度等）,形成一一對應的訓練樣本特征集與事件屬性集;初始化權重分布,持續(xù)利用AdaBoost技術更新樣本權重分布,以增加較難分辨樣本的權重值,然后將若干個弱分類器訓練為一個強分類器,達到提高強震儀抗干擾準確度的目的。此方法分類準確度較高,具有較強的環(huán)境適應性,對于推動強震觀測儀器智能化實現、促進土木工程結構防震減災技術發(fā)展具有一定現實意義。 

【文章頁數】：5 頁

【文章目錄】：
1 強震儀抗干擾算法
    1.1 決策樹原理
    1.2 AdaBoost算法
    1.3 強震儀環(huán)境干擾與加速度記錄特征參量研究
    1.4 算法設計
2 實驗結果與分析
3 結論


【參考文獻】：
期刊論文
[1]基于機器學習的強震動監(jiān)測環(huán)境抗干擾方法對比研究[J]. 龐聰,江勇,廖成旺,吳濤,丁煒.  內陸地震. 2020(02)
[2]2017年6月3日內蒙古阿拉善左旗5.0級地震強震記錄及特征分析[J]. 王文才,李佐唐,石文兵.  地震工程學報. 2018(01)
[3]基于小波降噪和主成分分析的結構損傷識別[J]. 趙懷山,郭偉超,高新勤,楊振朝,李言.  西安理工大學學報. 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分類識別研究[J]. 趙剛,黃漢明,盧欣欣,郭世豪,柴慧敏.  地震工程學報. 2017(03)
[5]用于地震預警系統的單臺站防誤觸發(fā)算法研究[J]. 江汶鄉(xiāng),于海英,趙曉芬,許思銘.  自然災害學報. 2015(02)
[6]基于隨機森林的建筑結構損傷識別方法[J]. 周綺鳳,楊小青,周青青,雷家艷.  振動.測試與診斷. 2012(02)
[7]新型數字強震儀關鍵技術分析[J]. 王雷,周琪,高峰,魏繼武.  地震工程與工程振動. 2011(06)
[8]近場數字強震儀記錄誤差分析與零線校正方法[J]. 于海英,江汶鄉(xiāng),解全才,楊永強,程翔,楊劍.  地震工程與工程振動. 2009(06)
[9]工程強震觀測儀器觸發(fā)裝置的抗干擾設計[J]. 趙松年,熊小蕓.  地震學報. 1987(02)

博士論文
[1]面向地震預警的強震動數據處理技術研究[D]. 江汶鄉(xiāng).中國地震局工程力學研究所 2015

碩士論文
[1]基于數據挖掘技術的強震區(qū)公路巖質邊坡地質災害評價體系研究[D]. 宋金龍.成都理工大學 2012
[2]水下巖塞爆破地震反應譜特性及結構的模態(tài)分析研究[D]. 榮立爽.太原理工大學 2008



本文編號：3681475