公开(公告)号：CN116842840A

公开(公告)日：2023-10-03

申请号：CN202310808513.4

申请日：2023-07-04

Applicant: 吉林大学

Inventor： 宋炳宣 ,  韩复兴 ,  陈雨贝 ,  吴林骏 ,  黄梦婷 ,  潘延杰

IPC: G06F30/27 ,  G06F18/214 ,  G06F18/24 ,  G06N3/04 ,  G06N3/09 ,  G06F119/10

Abstract: 本发明属于城市地球物理勘探技术领域，具体涉及一种基于XGBoost的多种加权谱比降噪方法，该方法是基于高维空间提取微动监测数据的特征，并应用添加了L2正则化的XGBoost算法对数据进行训练分析，得出可分离信号与噪声的机器学习模型。从而解决原有降噪方法面对高噪声的复杂环境时信号提取精度较差的问题。相较于常规方法中单一的时间域或者频率域的分析模式，本发明基于XGBoost的多种加权谱比降噪方法，利用升维函数，在高维空间下取微动监测数据的特征，使得地脉波特征更为全面，信噪分析模型更加完备；本发明将监督学习算法应用于微动HVSR法原始数据的降噪，提高了降噪过程的自动化程度和降噪结果的精度。