已发生的地震灾害统计和研究显示,在相同的震级和场地因素下,相较于普通地震,脉冲型地震对建筑结构造成的毁坏更加严重。这类地震动通常由断层破裂时的前场方向性效应产生。对这些地震动的类型进行准确的识别是地震工程领域的一项基本任务。这有助于创建可靠的脉冲和非脉冲型地震记录数据库,供研究者进行地震危险性概率分析等。本文从人工提取特征和特征学习的角度出发,分别采用支持向量机和深度神经网络建立识别模型。从人工提取特征的角度出发,本文首先采用S变换重构原始地震速度记录中的脉冲时程,根据重构的脉冲时程提取用于后续判别的特征。之后,采用主成分分析去除部分特征的相关性,降低特征的冗余度。然后,依据主成分分析的结果,采用支持向量机判别某地震动是否为脉冲型。结果表明,S变换能够有效的重构原始地震速度记录中的脉冲时程;该方法能够一定程度上有效的判别地震动的类型。采用支持向量机识别地震动的类型,识别过程中特征的提取依赖研究者的经验和专业知识。深度神经网络能够自动地提取特征集用于判别地震动的类型。因此,从特征学习的角度出发,本文首先通过将原始地震动速度时程转为图像,以图像像素的方式作为神经网络模型的输入。之后,通过栈式自编码算法提取用于判别地震动类型的特征,并结合Softmax分类器建立相应的深度神经网络识别模型;采用交叉验证的方式评估该模型的判别效果和稳定性。结果表明,该深度神经网络具备良好的稳定性,能够有效的提取特征集识别地震动的类型。