一种微动HV谱比数据的多站台异常时窗剔除方法

一种微动hv谱比数据的多站台异常时窗剔除方法
技术领域
1.本发明涉及建筑抗震领域，具体涉及一种微动hv谱比数据的多站台异常时窗剔除方法。


背景技术：

2.场地的特征周期是建筑结构抗震设计的重要参数。基于微振动信号的h/v谱比法是测定场地特征周期的一种高效简洁的方法。h/v谱比指的是水平振动与竖向振动的傅里叶比值曲线，其第一个峰值所对应的频率即为场地的特征频率。在处理微振动信号时，需要先对有效信号进行识别，剔除含有异常信号的时窗，以获得准确的h/v谱比(hv谱比数据)。
3.传统剔除异常时窗的方法是通过设定的固定公式或者人工检测来完成的。这类方法的缺点在于计算公式完全基于经验，公式中参数的选取缺少系统理论支撑。例如国外微动计算的常用开源软件geopsy在剔除异常时窗时，需要人为选定考虑的最大和最小频率，其取值完全依赖于人的主观判断，有污染有效信号的风险。其次，现有剔除异常时窗的方法均只针对单点的测量数据，没有对多点数据进行联合处理，不能有效利用多点数据的相关性提升准确率。


技术实现要素：

4.针对现有技术中的上述不足，本发明提供的一种微动hv谱比数据的多站台异常时窗剔除方法解决了现有剔除异常时窗的方法均只针对单点的测量数据，没有对多点数据进行联合处理，不能有效利用多点数据的相关性提升准确率的问题。
5.为了达到上述发明目的，本发明采用的技术方案为：
6.提供一种微动hv谱比数据的多站台异常时窗剔除方法，其包括以下步骤：
7.s1、在被测场地布置若干个站台，并使每个站台分别记录每个微动时窗对应的微动数据；
8.s2、计算每个站台每个微动时窗对应的hv谱比曲线，将hv谱比曲线的峰值记为该站台对应的微动时窗的峰值频率，得到每个站台对应的峰值频率集；
9.s3、获取第一个站台的峰值频率集去对数后的平均值和标准差，并根据平均值和标准差构建检测区间；
10.s4、将第一个站台中不属于该检测区间的峰值频率对应的微动时窗认定为异常，并将所有站台中的该微动时窗进行剔除；
11.s5、判断是否结束时窗剔除，若是则完成多站台异常时窗剔除；否则进入步骤s6；
12.s6、采用与步骤s3和步骤s4相同的方法对下一个站台进行处理，并返回步骤s5。
13.进一步地，步骤s3的具体方法为：
14.根据公式：
15.[0016][0017]
获取第j个站台的峰值频率集取对数后的平均值μ和标准差σ，并构建检测区间[e
σ-2μ
,e
σ+2μ
]；其中n为微动时窗总数；为第j个站台的峰值频率集中第i个峰值频率；ln表示以自然常数e为底的对数。
[0018]
进一步地，步骤s5中判断是否结束时窗剔除的具体方法为：
[0019]
当剔除的微动时窗数量达到总微动时窗数量的1/3时，或连续对3个台站进行处理均未识别出新的异常微动时窗时，判定结束时窗剔除。
[0020]
本发明的有益效果为：本方法不涉及人的主观判断，不要求从业人员有多年相关经验即可取得很好效果，能够有效利用多站台数据的相关性，对数据进行自动循环处理，可以极大地降低操作人员工作量，提高异常时窗的剔除效率。
附图说明
[0021]
图1为本方法的流程示意图；
[0022]
图2为实施例中原始谱比；
[0023]
图3为实施例中剔除异常时窗后的谱比。
具体实施方式
[0024]
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本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。
[0025]
如图1所示，该微动hv谱比数据的多站台异常时窗剔除方法包括以下步骤：
[0026]
s1、在被测场地布置若干个站台，并使每个站台分别记录每个微动时窗对应的微动数据；
[0027]
s2、计算每个站台每个微动时窗对应的hv谱比曲线，将hv谱比曲线的峰值记为该站台对应的微动时窗的峰值频率，得到每个站台对应的峰值频率集；
[0028]
s3、获取第一个站台的峰值频率集取对数后的平均值和标准差，并根据平均值和标准差构建检测区间；
[0029]
s4、将第一个站台中不属于该检测区间的峰值频率对应的微动时窗认定为异常，并将所有站台中的该微动时窗进行剔除；
[0030]
s5、判断是否结束时窗剔除，若是则完成多站台异常时窗剔除；否则进入步骤s6；
[0031]
s6、采用与步骤s3和步骤s4相同的方法对下一个站台进行处理，并返回步骤s5。
[0032]
步骤s3的具体方法为：根据公式：
[0033]
[0034][0035]
获取第j个站台的峰值频率集取对数后的平均值μ和标准差σ，并构建检测区间[e
σ-2μ
,e
σ+2μ
]；其中n为微动时窗总数；为第j个站台的峰值频率集中第i个峰值频率；ln表示以自然常数e为底的对数。
[0036]
步骤s5中判断是否结束时窗剔除的具体方法为：当剔除的微动时窗数量达到总微动时窗数量的1/3时，或连续对3个台站进行处理均未识别出新的异常微动时窗时，判定结束时窗剔除。
[0037]
在本发明的一个实施例中，异常时窗的根本原因是该时窗内的背景噪声分布不均匀，该不均匀性对于场地内的所有台站是等效的。因此，当利用第1个台站的数据识别出异常时窗后，对于其他台站来说该时窗也应为异常。基于该原理，本发明在将异常时窗剔除后，利用第2台剩余时窗的峰值频率样本集，重复步骤s3和s4以识别并剔除新的异常时窗，之后再利用第3个及之后台站的数据不断重复以上步骤，直至达到结束时窗剔除的条件。
[0038]
图2为原始谱比，其存在异常时窗，对其进行异常时窗剔除后得到如图3所示的谱比，可以看出，本方法自动将异常数据进行了剔除，得到波动较小的谱比数据。
[0039]
综上所述，本发明不涉及人的主观判断，不要求从业人员有多年相关经验即可取得很好效果，能够有效利用多站台数据的相关性，对数据进行自动循环处理，可以极大地降低操作人员工作量，提高异常时窗的剔除效率。


技术特征：
1.一种微动hv谱比数据的多站台异常时窗剔除方法，其特征在于，包括以下步骤：s1、在被测场地布置若干个站台，并使每个站台分别记录每个微动时窗对应的微动数据；s2、计算每个站台每个微动时窗对应的hv谱比曲线，将hv谱比曲线的峰值记为该站台对应的微动时窗的峰值频率，得到每个站台对应的峰值频率集；s3、获取第一个站台的峰值频率集取对数后的平均值和标准差，并根据平均值和标准差构建检测区间；s4、将第一个站台中不属于该检测区间的峰值频率对应的微动时窗认定为异常，并将所有站台中的该微动时窗进行剔除；s5、判断是否结束时窗剔除，若是则完成多站台异常时窗剔除；否则进入步骤s6；s6、采用与步骤s3和步骤s4相同的方法对下一个站台进行处理，并返回步骤s5。2.根据权利要求1所述的微动hv谱比数据的多站台异常时窗剔除方法，其特征在于，步骤s3的具体方法为：根据公式：根据公式：获取第j个站台的峰值频率集取对数后的平均值μ和标准差σ，并构建检测区间其中n为微动时窗总数；为第j个站台的峰值频率集中第i个峰值频率；ln表示以自然常数e为底的对数。3.根据权利要求1所述的微动hv谱比数据的多站台异常时窗剔除方法，其特征在于，步骤s5中判断是否结束时窗剔除的具体方法为：当剔除的微动时窗数量达到总微动时窗数量的1/3时，或连续对3个台站进行处理均未识别出新的异常微动时窗时，判定结束时窗剔除。

技术总结
本发明公开了一种微动HV谱比数据的多站台异常时窗剔除方法，其包括以下步骤：S1、使每个站台分别记录每个微动时窗对应的微动数据；S2、获取每个站台对应的峰值频率集；S3、构建检测区间；S4、将第一个站台中不属于该检测区间的峰值频率对应的微动时窗认定为异常，并将所有站台中的该微动时窗进行剔除；S5、判断是否结束时窗剔除，若是则完成多站台异常时窗剔除；否则进入步骤S6；S6、采用与步骤S3和S4相同的方法对下一个站台进行处理，并返回步骤S5。本发明不要求从业人员有多年相关经验即可取得很好效果，能够有效利用多站台数据的相关性，对数据进行自动循环处理，可以极大地降低操作人员工作量，提高异常时窗的剔除效率。提高异常时窗的剔除效率。提高异常时窗的剔除效率。


技术研发人员：程天健 胥鸿睿 姚超凡 王亚宁 冯佳宇 牟林 梁秀彬 李骁群 冯超俊
受保护的技术使用者：西南交通大学
技术研发日：2023.07.05
技术公布日：2023/10/11