基于ICEEMDAN的近断层地震动识别方法改进

摘要

近断层地震动严重威胁重要结构的安全，然而地震动波形复杂导致近断层地震动识别困难，经典Baker识别方法因采用小波技术，而存在母小波与潜在脉冲差异过大，致使识别产生误差。针对该问题，利用具有自适应噪声的完全集成经验模式分解（ICEEMDAN）对Baker方法进行改进，改进方法利用白噪声对信号分解过程进行辅助，从而增强了信号分析方法对地震动这类复杂信号的应对能力。为提高改进方法的识别效率和质量，对太平洋工程抗震中心数据库中的3 655条地震动进行识别。结果表明，由于ICEEMDAN技术的加入改进后的地震动识别方法共识别出192条近断层地震动，比经典Baker方法则识别出的163条近断层地震动多识别出17.79%的近断层地震动。为进一步探讨识别出的近断层地震动的近断层特性，从地震反应谱和地震损伤入手进行分析，两种方式获得近断层地震动反应谱长周期反应剧烈、峰值周期高，有明显的近断层特征；在地震损伤方面，以一典型钢管混凝土拱桥为案例，对两种方式识别出的近断层地震动及远场地震动进行地震响应计算。结果表明，两种方法获得的近断层地震动有着极为相似的地震损伤规律，且均较远场地震动的损伤有明显的增加。综上，两种方法识别出的近断层地震动均有明显的近断层特性，而基于ICEEMDAN技术的改进方法增加了17.79%的近断层地震动数量，将ICEEMDAN技术引入可以利用该技术较强的鲁棒性，从而对波形较为复杂的速度脉冲进行识别，进而在不降低近断层地震动识别质量的前提下，提升Baker识别方法的识别效率和准确性。

关键词

近断层地震动 / 识别方法 / 经验模态分解 / 小波分解 / 地震损伤

基金资助

国家自然科学基金项目（52208461）