正如前面总结的那样,我们先从实际的应用出发,来探索传统的算法,并对传统算法进行改进,我们首先选取几个完全可以利用传统算法解决的例子,到最后我在慢慢的讲到利用传统算法很难去完成的例子,其实通过下面的几章的介绍大家可以发现,传统的算法,通过数学建模可以去解决很多复杂的问题,并不一定要利用人工智能,我的观点还是那样,如果可以利用传统算法去解决的,我们尽量通过建模去完成,因为“白箱子”总会比“黑箱子”更加直观(还有一些原因在上一章介绍过来,这里就不在提了),如果确实无法利用传统算法了,我会在考虑引入深度学习的知识,去解决,还希望有大牛提出更加深刻的意见。
去年有幸接触到这样的一个项目,就是大型土木结构的抗震性能分析,具体的就是一个振动台,实物图不太好发~见谅哈,我们会利用传感器测试到试件的摆动位移,但是,这个数据还有巨大的噪声,而且由于地震过后争分夺秒,我们必须在线的对其数据进行去噪,然后拿到这些比较可靠的信息去做分析,对其算法的速度和精度都有着很高的要求(必定关乎人命呀)。
接下来先看看测量数据(实测数据)和参考数据吧~如下图,可以看得出来,信噪比不忍直视啊,而且参考数据都已经是高频数据了,噪声还是有色噪声,就算没有在线处理的要求,也很难用频域的方法解决(我也参阅了大量的文献(上百篇),最近两年的SCI检索文献也复现过很多(10篇左右),频域的方法很容易丢波峰,而且很难做到在线处理)。
再看看最后在线处理的结果,可以看得出来,在完全保留了波峰的情况下,对有色噪声的处理也非常的到位,而且可以做到完全的在线,几乎没有任何延迟。
这是如何实现的呢,在这