CN113255482A - 一种基于hht脉冲参数识别的远场类谐和地震动合成方法 - Google Patents
一种基于hht脉冲参数识别的远场类谐和地震动合成方法 Download PDFInfo
- Publication number
- CN113255482A CN113255482A CN202110512476.3A CN202110512476A CN113255482A CN 113255482 A CN113255482 A CN 113255482A CN 202110512476 A CN202110512476 A CN 202110512476A CN 113255482 A CN113255482 A CN 113255482A
- Authority
- CN
- China
- Prior art keywords
- pulse
- frequency
- component
- seismic
- harmonic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M7/00—Vibration-testing of structures; Shock-testing of structures
- G01M7/02—Vibration-testing by means of a shake table
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明阐述了一种基于HHT脉冲参数识别的远场类谐和地震动合成方法。本发明基于大量的天然远场类谐和地震动原始记录,通过对速度时程进行EEMD分解,按某一频率值将每一条IMF分量进行低、高频区分,并重构成低频时程和高频时程,用反应谱进行判断频率取值是否正确,取低频时程按上个步骤区分出主脉冲成分并做简化分析,识别特征脉冲参数,包括脉冲幅值VA1、脉冲周期Ts、脉冲持时Tp、衰减幅值VA2、衰减周期Ta以及衰减指数λ,提出主脉冲速度脉冲模型,最后叠加高频成分形成人工合成地震动,为相关领域的研究奠定基础,适用于结构抗震设计,预防以及减小地震灾害带来的损失。
Description
技术领域
本发明涉及远场类谐和地震动技术领域,具体涉及一种基于HHT脉冲参数识别的远场类谐和地震动合成方法。
背景技术
远场类谐和地震动中包含丰富的低频成分,在其振动后期会出现多个循环脉冲,可能会引起长周期结构产生“共振”效应,地震持时虽为几十秒,但却会造成巨大的生命财产损失,使长周期结构严重损坏甚至倒塌。目前,我国建设完成了多个结构复杂、自振周期较长且为生命线的工程,其数量也会持续增加,因此研究长周期结构在类谐和地震动作用下的抗震性能,对采取合理的抗震措施、减少地震损害以及预防地震灾害有指导意义。由于世界上记录的远场类谐和地震动数量较少且受场地条件的限制,使能应用到结构抗震设计中去的地震动更少,不能满足分析要求,因此,在抗震设计中,使用人工模拟地震动能增加抗震分析的合理性。长周期地震动反应谱对应峰值的周期较大,采用抗震规范设计反应谱的平台值及特征周期应有所提高,因此模拟地震动时不能忽略天然地震动的频域的非平稳特性。
合成类谐和地震动的参数较多,为更加真实地模拟出远场类谐和地震动对长周期结构的影响,拟合地震动的参数选取至关重要。
发明内容
针对现有技术中的上述不足,本发明提供的一种基于HHT脉冲参数识别的远场类谐和地震动合成方法,弥补远场类谐和地震动记录不多,模拟地震反应时数量不足等缺点,该合成方法可对类谐和地震动特征参数进行分析,揭示类谐和地震动对结构的不利影响。
为了达到上述发明目的,本发明采用的技术方案为:一种基于HHT脉冲参数识别的远场类谐和地震动合成方法,包括以下步骤:
S1.对原始远场类谐和地震动记录的速度时程进行EEMD分解,得到若干个IMF分量时程和1个残余分量时程;
S2.对分解得到的所有IMF分量进行傅里叶变换,利用傅里叶函数的频谱特性,以频率10Hz为分界线,将IMF分量分成高频成分和低频成分两类,并分别重构成高频时程和低频时程;
S3.将重构的高频时程和低频时程进行反应谱分析,并与原始地震动速度时程的反应谱对比分析,验证频率分界线为10Hz是否合理;
S4.将构成的低频时程再次进行主、次脉冲分量的筛选,其特征在于,定义低频时程的第一条IMF分量为次脉冲分量,定义低频时程的第二条以及剩余的IMF分量的时程为主脉冲分量,并对低频时程、次脉冲分量和主脉冲分量三个时程进行反应谱对比分析;
S5对主脉冲分量进行脉冲特征参数识别,包括脉冲幅值VA1、脉冲周期Ts、脉冲持时Tp、衰减幅值VA2、衰减周期Ta以及衰减指数λ;
S6.对主脉冲速度时程进行简化分析,提出类谐和地震动速度脉冲模型;
S7.利用类谐和地震动速度脉冲模型生成速度脉冲时程,其特征在于,将速度脉冲模型叠加高频时程(部分地震动还需要叠加次脉冲分量),并对速度脉冲时程进行微分和积分求得其加速度时程和位移时程以及生成结构反应谱,与原始地震动的速度、加速度和位移时程和反应谱对比分析,验证远场类谐和地震动合成方法正确性;
进一步的:所述步骤S1中对原始地震动速度时程进行EEMD分析为:
将原始地震动信号叠加白噪声形成原序列x(t);
找出原序列x(t)的所有局部极大值,得到上包络序列值xmax(t)和下包络序列值xmin(t);
取每个时刻的xmax(t)和xmin(t)的瞬时平均值m(t):
用原序列x(t)减去瞬时平均值m(t),得到一个去掉低频的新序列h(t):
若h(t)满足以下两个条件:1)在信号的总持时内,零点与极值点的数目必须相等或之多相差一个;2)在任意时刻,局部极大值定义的上包络线和局部极小值定义的下包络线之间的平均值为零。则它为原序列分解出的第一个本征模态函数;如果不是,把h(t)作为原序列重复以上步骤,直到有序列满足IMF条件,基为c1(t),一般c1(t)代表原序列中的高频成分,然后用原序列减去c1(t)得到剩余序列r1(t):
将r1(t)作为一个新的序列,重复以上步骤,一次提取第2,第3,……,直至第n个固有模态函数cn(t),rn(t)变成一个单调序列。
进一步的:所述步骤S5中对主脉冲分量进行脉冲特征参数识别为:
定义首次到达0.5倍脉冲速度峰值和最后到达0.5倍脉冲峰值的时间差为脉冲持时,脉冲速度峰值为识别出脉冲段的各个速度峰值,两个半脉冲周期相加为一个脉冲周期;衰减段初始幅值为识别出衰减段的最大值幅值,衰减指数根据衰减速率进行判断;
进一步的:所述步骤S6中对主脉冲分量进行脉冲特征参数简化为:
简谐波周期:用识别出的远场类谐和地震动脉冲持时除以简谐段峰值个数:
式中:Ts为简谐波的周期,Tp为简谐段脉冲持时,Tpi为识别出的第i个半脉冲周期,n为半脉冲个数,半脉冲是相对一个完整的简谐周期而言的,半脉冲个数与简谐段峰值个数相等;
简谐波幅值:根据速度时程中类简谐段所包围的面积与简谐波包围的面积相等原则来确定简谐波幅值:
式中:VA1为等效脉冲幅值,S1为原始脉冲段包围的面积;
衰减幅值:衰减段识别出的最大幅值,记为VA2;
衰减周期:求解同简谐波周期,记为Ta;
衰减指数:由初始幅值减少到初始值的1/e所需的时间,记为λ;
衰减持时:简谐段结束到整个速度时程结束之间的长度,记为Td;
构建主脉冲简化模型:
式中:V(t1)为主脉冲分量的速度幅值,t1为简谐段开始时间点,phi为相位差;
本发明的有益效果为:本发明通过对比低频成分、高频成分和原始地震动的反应谱,次脉冲分量、主脉冲分量和低频时程的反应谱,验证高低频分量频率选取的正确度以及分析以脉冲部分为主的部分,发现脉冲部分主要影响的是结构自振为4s~6s内的结构,能更好的模拟出自振周期较长的结构在远场类谐和地震动作用下的地震效应,能更好的进行地震防控,保障结构安全。
附图说明
图1为本发明流程图;
图2为远场类谐和地震动ILA055-W的EEMD分解图;
图3为远场类谐和地震动ILA055-W的高频时程、低频时程与原始速度时程的时程对比图;
图4为远场类谐和地震动ILA055-W的高频时程、低频时程与原始速度时程的反应谱对比图;
图5为远场类谐和地震动ILA055-W的低频时程、次脉冲分量和主脉冲分量的反应谱对比图;
图6为远场类谐和地震动ILA055-W的脉冲参数识别图;
图7为远场类谐和地震动ILA055-W主脉冲分量合成图;
图8为远场类谐和地震动ILA055-W的合成加速度、速度和位移时程与原始时程对比分析图;
图9为远场类谐和地震动ILA055-W的合成加速度、速度和位移反应谱与原始反应谱对比分析图;
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列;
如图1所示,一种基于HHT脉冲参数识别的远场类谐和地震动合成方法,包括以下步骤;
S1.对原始远场类谐和地震动记录的速度时程进行EEMD分解,得到若干个IMF分量时程和1个残余分量时程,如图2所示;
EEMD分解步骤为:
将原始地震动信号叠加白噪声形成原序列x(t);
找出原序列x(t)的所有局部极大值,得到上包络序列值xmax(t)和下包络序列值xmin(t);
取每个时刻的xmax(t)和xmin(t)的瞬时平均值m(t):
用原序列x(t)减去瞬时平均值m(t),得到一个去掉低频的新序列h(t):
若h(t)满足以下两个条件:1)在信号的总持时内,零点与极值点的数目必须相等或之多相差一个;2)在任意时刻,局部极大值定义的上包络线和局部极小值定义的下包络线之间的平均值为零。则它为原序列分解出的第一个本征模态函数;如果不是,把h(t)作为原序列重复以上步骤,直到有序列满足IMF条件,基为c1(t),一般c1(t)代表原序列中的高频成分,然后用原序列减去c1(t)得到剩余序列r1(t):
将r1(t)作为一个新的序列,重复以上步骤,一次提取第2,第3,……,直至第n个固有模态函数cn(t),rn(t)变成一个单调序列。
S2.对分解得到的所有IMF分量进行傅里叶变换,利用傅里叶函数的频谱特性,以频率10Hz为分界线,将IMF分量分成高频成分和低频成分两类,并分别重构成高频时程和低频时程,如图3所示;
S3.将重构的高频时程和低频时程进行反应谱分析,并与原始地震动速度时程的反应谱对比分析,验证频率分界线为10Hz是否合理,若低频时程的反应谱与原始地震动反应谱在自振周期2s以后基本重合,如图4所示,则频率分界线合理;
S4.将构成的低频时程再次进行主、次脉冲分量的筛选,其特征在于,定义低频时程的第一条IMF分量为次脉冲分量,定义低频时程的第二条以及剩余的IMF分量的时程为主脉冲分量,并对低频时程、次脉冲分量和主脉冲分量三个时程进行反应谱对比分析,如图5所示,如次脉冲分量主要影响周期为4~6s的结构,则取低频成分为主脉冲分量,如次脉冲分量影响的主要是周期小于4s的结构,则取重构的主脉冲分量为主脉冲分量;
S5.对主脉冲分量进行脉冲特征参数识别,包括脉冲幅值VA1、脉冲周期Ts、脉冲持时Tp、衰减幅值VA2、衰减周期Ta以及衰减指数λ,如图6所示;
对主脉冲分量进行脉冲特征参数识别为:定义首次到达0.5倍脉冲速度峰值和最后到达0.5倍脉冲峰值的时间差为脉冲持时,脉冲速度峰值为识别出脉冲段的各个速度峰值,两个半脉冲周期相加为一个脉冲周期;衰减段初始幅值为识别出衰减段的最大值幅值,衰减指数根据衰减速率进行判断;
S6.对主脉冲速度时程进行简化分析,提出类谐和地震动速度脉冲模型;
S7.利用类谐和地震动速度脉冲模型生成速度脉冲时程,如图7所示,将速度脉冲模型叠加高频时程(部分地震动还需要叠加次脉冲分量),并对速度脉冲时程进行微分和积分求得其加速度时程和位移时程以及生成结构反应谱,与原始地震动的速度、加速度和位移时程和反应谱对比分析,验证远场类谐和地震动合成方法正确性,如图8和图9所示;
主脉冲分量进行脉冲特征参数简化为:
简谐波周期:用识别出的远场类谐和地震动脉冲持时除以简谐段峰值个数:
式中:Ts为简谐波的周期,Tp为简谐段脉冲持时,Tpi为识别出的第i个半脉冲周期,n为半脉冲个数,半脉冲是相对一个完整的简谐周期而言的,半脉冲个数与简谐段峰值个数相等;
简谐波幅值:根据速度时程中类简谐段所包围的面积与简谐波包围的面积相等原则来确定简谐波幅值:
式中:VA1为等效脉冲幅值,S1为原始脉冲段包围的面积;
衰减幅值:衰减段识别出的最大幅值,记为VA2;
衰减周期:求解同简谐波周期,记为Ta;
衰减指数:由初始幅值减少到初始值的1/e所需的时间,记为λ;
衰减持时:简谐段结束到整个速度时程结束之间的长度,记为Td;
构建主脉冲简化模型:
式中:V(t1)为主脉冲分量的速度幅值,t1为简谐段开始时间点,phi为相位差。
Claims (7)
1.一种基于HHT脉冲参数识别的远场类谐和地震动合成方法,其特征在于,包括如下步骤:
S1.对原始远场类谐和地震动记录的速度时程进行EEMD分解,得到若干个IMF分量时程和1个残余分量时程;
S2.对分解得到的所有IMF分量进行傅里叶变换,设定频率分界线,将IMF分量分成高频成分和低频成分两类,并分别将高频成分和低频成分重构成高频时程和低频时程;
S3.将重构的高频时程和低频时程进行反应谱分析,并与原始地震动速度时程的反应谱对比分析,验证频率分界线;
S4.将构成的低频时程再次进行主、次脉冲分量的筛选,定义低频时程的第一条IMF分量为次脉冲分量,定义低频时程的第二条以及剩余的IMF分量的时程为主脉冲分量,并对低频时程、次脉冲分量和主脉冲分量三个时程进行反应谱对比分析;
S5.对主脉冲分量进行脉冲特征参数识别,包括脉冲幅值VA1、脉冲周期Ts、脉冲持时Tp、衰减幅值VA2、衰减周期Ta以及衰减指数λ;
S6.对主脉冲速度时程进行简化分析,提出类谐和地震动速度脉冲模型:
式中:V(t1)为主脉冲分量的速度幅值,t1为简谐段开始时间点,phi为相位差;
S7.利用类谐和地震动速度脉冲模型生成速度脉冲时程,将速度脉冲模型叠加高频时程,并根据速度脉冲时程求得加速度时程和位移时程以及生成结构反应谱。
2.根据权利要求1所述的基于HHT脉冲参数识别的远场类谐和地震动合成方法,其特征在于,所述步骤S1中对原始地震动速度时程进行EEMD分析为:
S11.将原始地震动信号叠加白噪声形成原序列x(t);
S12.找出原序列x(t)的所有局部极大值,得到上包络序列值xmax(t)和下包络序列值xmin(t);
S13.取每个时刻的xmax(t)和xmin(t)的瞬时平均值m(t):
S14.用原序列x(t)减去瞬时平均值m(t),得到一个去掉低频的新序列h(t):
S15.若h(t)满足以下条件:
1)在信号的总持时内,零点与极值点的数目必须相等或之多相差一个;
2)在任意时刻,局部极大值定义的上包络线和局部极小值定义的下包络线之间的平均值为零;
则h(t)为原序列分解出的第一个本征模态函数;
如果不满足,把h(t)作为原序列重复以上步骤,直到有序列满足IMF条件,基为c1(t),则剩余序列r1(t)为:
将r1(t)作为一个新的序列,重复以上步骤,依次提取第2,第3,……,直至第n个固有模态函数cn(t),rn(t)变成一个单调序列。
3.根据权利要求1所述的基于HHT脉冲参数识别的远场类谐和地震动合成方法,其特征在于,所述步骤S5中对主脉冲分量进行脉冲特征参数识别为:
定义首次到达0.5倍脉冲速度峰值和最后到达0.5倍脉冲峰值的时间差为脉冲持时,脉冲速度峰值为识别出脉冲段的各个速度峰值,两个半脉冲周期相加为一个脉冲周期;衰减段初始幅值为识别出衰减段的最大值幅值,衰减指数根据衰减速率进行判断。
4.根据权利要求1所述的基于HHT脉冲参数识别的远场类谐和地震动合成方法,其特征在于,所述步骤S6中对主脉冲分量进行脉冲特征参数简化为:
S61.简谐波周期:用识别出的远场类谐和地震动脉冲持时除以简谐段峰值个数:
式中:Ts为简谐波的周期,Tp为简谐段脉冲持时,Tpi为识别出的第i个半脉冲周期,n为半脉冲个数;
S62.简谐波幅值:根据速度时程中类简谐段所包围的面积与简谐波包围的面积相等原则来确定简谐波幅值:
式中:VA1为等效脉冲幅值,S1为原始脉冲段包围的面积;
S63.衰减幅值:衰减段识别出的最大幅值,记为VA2;
S63.衰减周期:求解同简谐波周期,记为Ta;
S64.衰减指数:由初始幅值减少到初始值的1/e所需的时间,记为λ;
S65.衰减持时:简谐段结束到整个速度时程结束之间的长度,记为Td。
5.根据权利要求1所述的基于HHT脉冲参数识别的远场类谐和地震动合成方法,其特征在于,所述步骤S2中频率分界线为10Hz,步骤S3中验证频率分界线为10Hz是否合理,若低频时程的反应谱与原始地震动反应谱在自振周期2s以后基本重合则频率分界线合理。
6.根据权利要求1所述的基于HHT脉冲参数识别的远场类谐和地震动合成方法,其特征在于,所述步骤S7中所述速度脉冲模型叠加高频时程和次脉冲分量。
7.根据权利要求1所述的基于HHT脉冲参数识别的远场类谐和地震动合成方法,其特征在于,所述步骤S4中如次脉冲分量主要影响周期为4~6s的结构,则取低频成分为主脉冲分量,如次脉冲分量影响的主要是周期小于4s的结构,则取重构的主脉冲分量为主脉冲分量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110512476.3A CN113255482B (zh) | 2021-05-11 | 2021-05-11 | 一种基于hht脉冲参数识别的远场类谐和地震动合成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110512476.3A CN113255482B (zh) | 2021-05-11 | 2021-05-11 | 一种基于hht脉冲参数识别的远场类谐和地震动合成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113255482A true CN113255482A (zh) | 2021-08-13 |
CN113255482B CN113255482B (zh) | 2023-07-18 |
Family
ID=77223164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110512476.3A Active CN113255482B (zh) | 2021-05-11 | 2021-05-11 | 一种基于hht脉冲参数识别的远场类谐和地震动合成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113255482B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114626409A (zh) * | 2022-02-21 | 2022-06-14 | 中铁第四勘察设计院集团有限公司 | 一种近断层加速度脉冲识别方法、存储介质及计算机设备 |
CN115903017A (zh) * | 2022-10-17 | 2023-04-04 | 西南交通大学 | 一种近断层脉冲型地震动参数化方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104391336A (zh) * | 2014-12-16 | 2015-03-04 | 中国地质大学(武汉) | 用于地球天然脉冲电磁场数据处理的时频谱分析方法 |
US20150323507A1 (en) * | 2014-05-09 | 2015-11-12 | National Central University | Method and system of implementing high dimensional holo-hilbert spectral analysis |
CN108051856A (zh) * | 2017-12-14 | 2018-05-18 | 西南石油大学 | 一种基于amd-hht的时频域流体识别方法 |
CN108152855A (zh) * | 2017-12-14 | 2018-06-12 | 西南石油大学 | 一种基于eemd-svd的地震流体识别方法 |
US20190324166A1 (en) * | 2018-03-29 | 2019-10-24 | Sri Venkata Tapovan Lolla | Enhanced Surveillance of Subsurface Operation Integrity Using Neural Network Analysis of Microseismic Data |
CN112345184A (zh) * | 2020-09-28 | 2021-02-09 | 同济大学 | 一种基于实时监测数据的结构地震损伤识别方法 |
-
2021
- 2021-05-11 CN CN202110512476.3A patent/CN113255482B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150323507A1 (en) * | 2014-05-09 | 2015-11-12 | National Central University | Method and system of implementing high dimensional holo-hilbert spectral analysis |
CN104391336A (zh) * | 2014-12-16 | 2015-03-04 | 中国地质大学(武汉) | 用于地球天然脉冲电磁场数据处理的时频谱分析方法 |
CN108051856A (zh) * | 2017-12-14 | 2018-05-18 | 西南石油大学 | 一种基于amd-hht的时频域流体识别方法 |
CN108152855A (zh) * | 2017-12-14 | 2018-06-12 | 西南石油大学 | 一种基于eemd-svd的地震流体识别方法 |
US20190324166A1 (en) * | 2018-03-29 | 2019-10-24 | Sri Venkata Tapovan Lolla | Enhanced Surveillance of Subsurface Operation Integrity Using Neural Network Analysis of Microseismic Data |
CN112345184A (zh) * | 2020-09-28 | 2021-02-09 | 同济大学 | 一种基于实时监测数据的结构地震损伤识别方法 |
Non-Patent Citations (1)
Title |
---|
颜桂云等: "远场类谐和地震动作用下高层建筑 新型组合隔震的减震性能研究", 应用基础与工程科学学报, vol. 28, no. 2 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114626409A (zh) * | 2022-02-21 | 2022-06-14 | 中铁第四勘察设计院集团有限公司 | 一种近断层加速度脉冲识别方法、存储介质及计算机设备 |
CN114626409B (zh) * | 2022-02-21 | 2023-09-26 | 中铁第四勘察设计院集团有限公司 | 一种近断层加速度脉冲识别方法、存储介质及计算机设备 |
CN115903017A (zh) * | 2022-10-17 | 2023-04-04 | 西南交通大学 | 一种近断层脉冲型地震动参数化方法 |
CN115903017B (zh) * | 2022-10-17 | 2024-03-15 | 西南交通大学 | 一种近断层脉冲型地震动参数化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113255482B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113255482A (zh) | 一种基于hht脉冲参数识别的远场类谐和地震动合成方法 | |
CN107505654B (zh) | 基于地震记录积分的全波形反演方法 | |
Faccioli et al. | Displacement spectra for long periods | |
CN107272066A (zh) | 一种含噪地震信号初至走时拾取方法及装置 | |
Piszczalski et al. | Predicting musical pitch from component frequency ratios | |
CN106054244B (zh) | 截断时窗的低通滤波多尺度全波形反演方法 | |
Guettler | On the creation of the Helmholtz motion in bowed strings | |
WO2001033547A1 (en) | Methods and apparatuses for signal analysis | |
Şafak | Adaptive modeling, identification, and control of dynamic structural systems. II: applications | |
CN109541681A (zh) | 一种拖缆地震数据和少量obs数据联合的波形反演方法 | |
CN107894618A (zh) | 一种基于模型平滑算法的全波形反演梯度预处理方法 | |
CN107436451A (zh) | 一种自动计算地震数据光缆耦合噪声强弱程度的振幅谱方法 | |
CN109507726A (zh) | 时间域弹性波多参数全波形的反演方法及系统 | |
CN114527506A (zh) | 人工生成断层地震动简化方法 | |
CN107229075A (zh) | 深度域地震子波的确定方法和装置 | |
CN109856672B (zh) | 基于深度波数谱的瞬变波包提取方法、存储介质与终端 | |
CN115903017A (zh) | 一种近断层脉冲型地震动参数化方法 | |
CN116804768B (zh) | 一种用于近跨断层结构抗震分析的地震动确定方法 | |
Irikura | The construction of large earthquake by a superposition of small events | |
CN114358072B (zh) | 一种基于原型实测振动响应的泄流结构振源识别方法 | |
CN112099081B (zh) | 一种单、多脉冲地震动识别和提取方法 | |
Mucciarelli et al. | Estimate of frequency and damping for large set of buildings in dense urban areas | |
CN106096530A (zh) | 一种强背景噪声环境下的模态参数识别方法 | |
Debski et al. | An application of the pseudo-spectral technique to retrieving source time function | |
Georgakis | A machine learning approach to earthquake response analysis of structural systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |