基于融合能量准则VMD方法的近断层脉冲型地震动识别

本文提出基于能量约束优化变分模态分解（E-VMD）的创新算法，有效解决了近断层地震脉冲信号识别与提取的难题。该技术通过自适应分解显著提升脉冲特征提取精度，在抗噪声干扰和多脉冲分离方面展现卓越性能，为地震工程风险分析和结构抗震设计提供重要技术支撑。

　　

Highlight

近断层地震动速度脉冲在极短时间内聚集巨大能量。当建筑物自振周期与脉冲周期接近时，将引发显著动力响应。因此开发高效、精确且鲁棒的脉冲信号提取方法是当前地震工程研究的重要课题。

Method

基于能量的脉冲信号提取总体架构

在总体架构设计上，本文提出的脉冲信号提取方案包括信号预处理、加速度脉冲信号提取、速度脉冲信号提取、信号优化验证以及结果分析应用。首先获取速度数据并计算最短速度半周期；接着通过变分模态分解（VMD）提取加速度信号特征，滤除高频噪声干扰；随后通过积分运算获得速度时程，结合能量比准则识别有效脉冲分量；最后通过时频特征分析和脉冲周期验证确保提取结果的物理意义可靠性。

E-VMD方法验证

本研究采用基于能量的变分模态分解（E-VMD）算法对近断层地震动速度脉冲进行提取分析。通过从PEER地震动数据库（NGA-West2数据库）精心选取98条具有脉冲特征的地震记录，系统评估了E-VMD算法在速度脉冲提取中的性能。这些地震记录覆盖不同地震事件、台站条件和地震特性，地震矩规模（M_w）范围5.0-7.9，脉冲周期分布0.5-15秒，充分体现了算法的普适性。

Conclusion

本文提出基于VMD的算法，旨在识别和提取近断层脉冲型地震信号。通过深入分析地震工程领域现有研究成果并对VMD算法进行优化改进，在地震脉冲信号识别与提取方面取得重要进展，为地震灾害分析、抗震设计和地震风险评估提供了新的技术手段。

引入能量约束准则的E-VMD方法通过自适应确定分解层数（K值）和惩罚参数（α），有效克服传统方法依赖人工经验设置的局限性。采用频带能量占比（FBER）和脉冲能量比（PER）双指标联合判定，显著提升脉冲识别的准确性与鲁棒性。经实测地震数据验证，该方法在单脉冲和多脉冲信号处理中均表现出优异的时频特征保持能力，为结构抗震性能分析提供高精度输入数据。