日日爱66网站 I 久久精品卫校国产小美女 I 亚洲福利影片在线 I 99无码精品二区在线视频 I 在线观看免费91 I 欧美日韩免费专区在线 I 国产毛片久久久 I 国产麻豆午夜三级精品 I 女高中生第一次破苞av I 亚洲色大成网站久久久 I 久操视频在线免费播放 I xxxx中国一级片 I 天天插天天狠天天透 I 免费在线观看污 I 色情久久久av熟女人妻网站 I 天天澡夜夜澡狠狠久久 I 国产免费这里只有精品 I 免费在线观看日韩av I 国产第一福利影院 I 青青青国产免费线在 I 国产成人a在线视频免费 I 日本999视频 I 伊人福利在线 I 国产成人毛片在线视频软件 I 亚洲一卡2卡3卡4卡5卡乱码观看 I 日韩美在线 I 亚洲乱码中文字幕在线 I 精品国产专区 I 拍拍拍无遮挡十八禁免费视频 I 成人午夜一区 I 亚洲女人网 I 亚洲 欧美 日韩 成人 I 欧美激情奇米色 I 成人一区二区电影 I 26uuu亚洲婷婷狠狠天堂

資訊內(nèi)容
研究亮點(diǎn)

基于對(duì)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(shí)間: 2024-05-27 點(diǎn)擊數(shù)量:12054
研究背景:
美國、日本已經(jīng)建立了多個(gè)用于監(jiān)測(cè)建筑結(jié)構(gòu)地震反應(yīng)的結(jié)構(gòu)臺(tái)陣,并嘗試根據(jù)記錄的結(jié)構(gòu)反應(yīng)來評(píng)估震后結(jié)構(gòu)的破壞狀態(tài)。然而,在實(shí)際開展結(jié)構(gòu)臺(tái)陣布設(shè)時(shí)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(píng)估研究。以往的去噪方法多依賴于基于時(shí)域、頻域或時(shí)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(duì)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(duì)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(duì)抗生成網(wǎng)絡(luò)的針對(duì)強(qiáng)噪聲信號(hào)的去噪方法。
研究?jī)?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(duì)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(gè)優(yōu)點(diǎn):(1)完全的端到端模型,無需其他多余操作;(2)對(duì)強(qiáng)噪聲信號(hào)的去噪效果好;(3)參數(shù)可自動(dòng)調(diào)整。通過該方法與現(xiàn)有其他方法對(duì)模擬噪聲和真實(shí)噪聲的去噪性能的對(duì)比,以及該方法對(duì)不同噪聲等級(jí)加速度記錄去噪的結(jié)果,驗(yàn)證了該方法的有效性。
在不同噪聲等級(jí)數(shù)據(jù)集上的去噪結(jié)果表明,DeGAN 在對(duì)強(qiáng)噪聲信號(hào)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(shí)域和時(shí)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(duì)模擬噪聲和真實(shí)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(shí),還可保留有用的振動(dòng)信號(hào)。在經(jīng)過DeGAN 去噪處理后,信號(hào)的 SNR 從-2.39提高到11.92。
利用振動(dòng)臺(tái)試驗(yàn)采集到的頂點(diǎn)加速度記錄驗(yàn)證了所提方法的穩(wěn)定性。在使用DeGAN去噪后,振動(dòng)臺(tái)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(duì)不同強(qiáng)度噪聲的去噪效果對(duì)比

圖3 DeGAN與其他去噪方法的性能對(duì)比



<

上一篇

日本海溝S-NET臺(tái)網(wǎng)水平向海域板內(nèi)地震動(dòng)預(yù)測(cè)模型

>

下一篇

《復(fù)雜層狀半空間場(chǎng)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