天然地震波数据来自于各个地震监测站,它是由地壳内部岩石运动产生。地震动的各项数据收集来之不易,非常珍贵。同时,作为一种外部激励,地震动在结构的设计,抗震分析,以及各项工程的抗震研究中占有非常重要的地位。因此我们十分有必要对天然地震波进行研究。作为一种外部激励,地震动特性三要素为幅值,频谱和持时。在不同的地质环境下,地震动数据的频谱特性有着显著的差异,在建筑设计等工程实践中是把场地条件作为基本考虑因素对地震动数据进行分组,然而即使在相同的场地类别下,地震动数据的频谱特性仍然有较大的差异,如何依据地震动特性对其进行深入研究,一直是一个热门的课题。本文在对地震波进行小波变换的基础上,结合人工智能技术,提出了两种新的地震波分类方法。本文通过对美国PEER网站的地震波进行数据收集整理,进而对地震波进行小波变换,结合人工智能技术,对地震波进行特征提取并分类,并预测新的地震波所属类别,通过ANSYS软件建模,对比分析模型的地震响应,验证本文的分类预测具有良好效果。首先,通过对收集到的地震波数据进行特征筛选和傅里叶变换以及小波变换,再对两者进行对比,分析小波变换的原理及优势,选择针对地震波的合适的小波变换方式,最终确定对其进行连续小波变换。因为连续小波变换需要确认小波基和变换尺度,本文通过MATLAB软件编程,以大量数据分析对比,选取适合对地震波数据进行小波变换的母小波-Morl小波,得到地震波信号的小波系数图。其次,结合地震波的主要特征,选取一定数量的具有代表性的小波系数图,对每张图片进行特征提取,包括灰度共生矩阵和HOG特征的提取,最后结合支持向量机SVM进行地震波智能识别分类,通过调整和训练算法,最终识别准确度达到95%。然后,把这些小波系数图组成图片训练库,用卷积神经网络Alex Net进行图片识别分类,并与SVM分类准确度进行对比。最后,利用训练好的SVM模型和Alex Net模型对新的地震波进行分类预测,并通过大型通用有限元软件ANSYS进行结构建模,选取城市中常见的两个普通框架结构模型,首先对结构进行静力分析,模态分析,然后以新的地震波和从该类数据库中随机选取的两条地震波分别对结构模型进行地震作用,对比这三条地震波对结构的地震响应数据,以此验证分类预测的正确性和合理性。