久久久久一区二区,精品免费av,婷婷激情久久

資訊內(nèi)容

研究亮點

基于對抗生成神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)樓層加速度記錄去噪方法

發(fā)布時間： 2024-05-27 點擊數(shù)量：13399

研究背景：

美國、日本已經(jīng)建立了多個用于監(jiān)測建筑結(jié)構(gòu)地震反應(yīng)的結(jié)構(gòu)臺陣，并嘗試根據(jù)記錄的結(jié)構(gòu)反應(yīng)來評估震后結(jié)構(gòu)的破壞狀態(tài)。然而，在實際開展結(jié)構(gòu)臺陣布設(shè)時由于受到成本的限制，不僅無法確保逐層布置傳感器，也無法保證所有傳感器均為高精度傳感器。而由低精度傳感器采集的數(shù)據(jù)的噪聲水平又比較高，所采集的數(shù)據(jù)不適合直接用于結(jié)構(gòu)破壞狀態(tài)的評估研究。以往的去噪方法多依賴于基于時域、頻域或時頻域分析開展，需要人工調(diào)節(jié)參數(shù)以達(dá)到最佳去噪效果，過程繁瑣。因此，針對上述問題，中國地震局工程力學(xué)研究所張令心研究員團(tuán)隊與日本東京大學(xué)地震研究所的KUSUNOKI Koichi教授合作提出了一種基于對抗生成網(wǎng)絡(luò)的針對強(qiáng)噪聲信號的去噪方法。

研究內(nèi)容及成果：

本文將深度學(xué)習(xí)方法應(yīng)用到加速度記錄去噪研究中，采用對抗生成網(wǎng)絡(luò)作為底座，通過加入注意力機(jī)制，提出了一種端到端的去噪方法DeGAN，如圖1所示。該方法具有以下三個優(yōu)點：（1）完全的端到端模型，無需其他多余操作；（2）對強(qiáng)噪聲信號的去噪效果好；（3）參數(shù)可自動調(diào)整。通過該方法與現(xiàn)有其他方法對模擬噪聲和真實噪聲的去噪性能的對比，以及該方法對不同噪聲等級加速度記錄去噪的結(jié)果，驗證了該方法的有效性。

在不同噪聲等級數(shù)據(jù)集上的去噪結(jié)果表明，DeGAN 在對強(qiáng)噪聲信號的噪聲抑制方面明顯優(yōu)于傳統(tǒng)的 DWT 方法，如圖2所示。

在時域和時頻域上比較了 DeGAN 和基于 DWT 的方法、基于 U-NET 的方法和基于 ResNet 的方法對模擬噪聲和真實噪聲的去噪性能。結(jié)果表明，DeGAN可以有效去除強(qiáng)噪聲數(shù)據(jù)中的噪聲的同時，還可保留有用的振動信號。在經(jīng)過DeGAN 去噪處理后，信號的 SNR 從-2.39提高到11.92。

利用振動臺試驗采集到的頂點加速度記錄驗證了所提方法的穩(wěn)定性。在使用DeGAN去噪后，振動臺數(shù)據(jù)的信噪比增加了70%以上。

該成果發(fā)表在國際權(quán)威期刊《Soil Dynamics and Earthquake Engineering》（Shen Junkai, Zhang Lingxin*, Kusunoki Koichi, et al. Structural floor acceleration denoising method using generative adversarial network. 2023, 173: 108061. DOI: 10.1016/j.soildyn.2023.108061）（IF：4.25，*通訊作者）

圖1 DeGAN的結(jié)構(gòu)

圖2 DeGAN對不同強(qiáng)度噪聲的去噪效果對比

圖3 DeGAN與其他去噪方法的性能對比

日本海溝S-NET臺網(wǎng)水平向海域板內(nèi)地震動預(yù)測模型

《復(fù)雜層狀半空間場地響應(yīng)分析：一種基于雙重相似性的比例邊界有限元法》論文發(fā)表