基于循环神经网络的自适应滤波方法及应用研究

针对目前地震工程研究领域在滤波方法上存在人为因素、峰值突刺、噪声干扰等方面的缺陷，结合递归最小二乘法(RLS)和循环神经网络(RNN)模型，提出了一种自适应滤波的新方法。研究分析表明，该方法通过设置自适应调节滤波器参数以及算法的自我迭代等方式进行滤波，对噪声识别能力和滤波速度上均优于美国地质调查局(United States Geological Survey, USGS)所推荐的传统滤波方法，并可有效降低滤波后对原始波形的失真损坏以及相位提前等问题。同时，运用所提自适应滤波方法将其应用于不同场地类型台站的含速度脉冲近场地震记录，进一步验证了自适应滤波方法的有效性和适用性。研究成果为地震工程领域的滤波分析提出了一种新思路和新方法，也可为地震记录处理及相关应用工作提供参考。