在城市中应用微动H/V谱比方法面对大量且复杂的人文噪声干扰,需要对噪声强度较大的微动数据进行去噪处理或信号分析。本文针对现有方法难以处理干扰较大的微动数据以及信号提取过程繁琐的问题,提出基于XGBoost(extreme gradient boosti...在城市中应用微动H/V谱比方法面对大量且复杂的人文噪声干扰,需要对噪声强度较大的微动数据进行去噪处理或信号分析。本文针对现有方法难以处理干扰较大的微动数据以及信号提取过程繁琐的问题,提出基于XGBoost(extreme gradient boosting)的多重加权谱比降噪方法。首先对采集的微动数据进行幅值和频率分析,建立幅值加权谱比、频率加权谱比和多重加权谱比;然后根据建立的多重加权谱比,通过XGBoost方法获得降噪后的谱比曲线。将本文方法与传统STA/LTA(short time average/long time average)方法进行实际高噪声数据对比分析,结果表明相比于STA/LTA方法,本文方法对高噪声数据提取效果更好。展开更多
文摘在城市中应用微动H/V谱比方法面对大量且复杂的人文噪声干扰,需要对噪声强度较大的微动数据进行去噪处理或信号分析。本文针对现有方法难以处理干扰较大的微动数据以及信号提取过程繁琐的问题,提出基于XGBoost(extreme gradient boosting)的多重加权谱比降噪方法。首先对采集的微动数据进行幅值和频率分析,建立幅值加权谱比、频率加权谱比和多重加权谱比;然后根据建立的多重加权谱比,通过XGBoost方法获得降噪后的谱比曲线。将本文方法与传统STA/LTA(short time average/long time average)方法进行实际高噪声数据对比分析,结果表明相比于STA/LTA方法,本文方法对高噪声数据提取效果更好。
