新疆破坏性地震损失“盲估”方法

通过总结新疆近年来的震害预测研究成果和震害损失评估工作的实践,给出了震后损失快速评估方法－“盲估”方法。提出今后震灾评估的发展方向是建立震后趋势快速判定计算机管理系统。     

基于大数据的地震损失价值评估模型设计

破坏性地震往往导致严重的经济损失及人员伤亡,对地震损失价值评价有助于震前找出抗震弱点,提高抗震能力,实现减轻地震灾害损失的目的。传统空间模型在地震数据处理过程中,无法处理大数据对空间尺度选择的干扰,存在地震损失评估结果偏差大以及波动性高的弊端。因此,在云计算平台下,提出基于大数据的地震损失价值评估模型设计,对模型HAZ-China大数据的服务层次、地震应用服务层以及HAZ-China大数据体系结构进行设计,为用户提供震前、震时以及震后的地震损失价值评估服务。模型采用HBase分布式数据库实现大数据的存储和分析,设计房屋震害数据库以及云计算模型,通过考虑大数据因素的地震灾害损失综合评估过程,实现地震损失价值的准确评估。实验结果说明,所设计模型可实现地震损失价值的准确评估,具有较高的评估精度和稳定性。     

基于云计算的中国地震灾害损失评估系统研究

为有效解决以往各类地震业务系统建设周期长、重复建设、成本高、维护更新难等问题,本文首次提出了建设基于云计算的中国地震灾害损失评估系统(简称HAZ-China系统)。该系统集地震基础数据采集与存储、震害预测、地震应急响应与辅助决策、地震现场损失评估、震后恢复重建资金评估、地震业务二次开发定制与扩展等功能于一体,可为各类用户提供震前、震时和震后的综合地震信息服务。本文首先介绍了该系统云计算服务层次(地震应用服务层、地震业务开发平台服务层、地震数据服务层、基础设施服务层)的主要构成,重点阐述了各服务层的基本概念和主要功能;其次介绍了云计算平台的体系结构及其组成等;最后指出了建设基于云的HAZ-China系统的首要任务。     

鲁南地震重点监视防御区地震灾害损失快速评估系统

本文选择地震重点监视防御区作为试点，给出了震后灾害损失盲场快速评估的一种技术思路及其计算机软件系统。该系统在确定了地震震级、震中位置和发震时间等参数后，可快速给出整个鲁南地震重点监视防御区内地震造成的经济损失和人员作伤亡的初步预估。作为示例，文中假定该区内某地点发生了一次破坏性地震，并给出了震害的快速评估结果。     

基于RS和GIS的建筑物空间分布格网化方法研究

本文在概述目前地震风险评估以及震后快速评估中建筑物空间分布格网化处理方法基础上, 提出了基于遥感和GIS的多源数据多因子建筑物空间分布格网化方法。 以云南省东川区为例, 利用DEM数据、 土地利用数据、 基础地理数据等, 提取地形、 地貌、 河流、 道路、 居民地和其他土地利用类型等各种影响因子, 以300 m格网为单元, 研究了建筑物空间分布与各类影响因子之间的相关性, 确定了各类子因子的建筑面积密度, 实现了建筑物空间分布格网化预测。 综合分析表明, 考虑多影响因子的建筑物空间非均匀性分布, 较传统的均匀性分布方法更接近真实空间分布, 因而有助于提高地震风险评估和震后快速损失评估的准确性。     

地震损失评估与数据库系统

1989年10月大同-阳高地震后,国家地震局首次组织有关人员进行了震害评估,为政府进行抗震救灾决策提供了科学依据;对加快灾区重建,减少地震损失起了重要作用。本文根据大同-阳高地震的评估经验和近期研究成果,提出了一个震害快速评估实用方法,介绍了震害评估计算程序(EDEP),并以实例说明程序的主要功能和使用方法。最后,为更快地评估地震损失,建议建立重点监测区震害评估数据库系统,并提出数据库系统的建立方法。     

中国西部典型房屋结构震害定量关系的初步研究

建筑物震害程度的判定是进行地震灾害损失评估的基础, 震害指数是建筑物震害程度的定量表示方式, 是房屋抗震性能的直观表现。 震害指数的研究对于震害预测和地震灾害损失评估都有重要的意义。 文中收集、 分析并处理了2001—2004年中国地震灾害损失现场调查与评估的详细资料, 以调查点为单位计算了各种结构类型房屋的平均震害指数, 建立了中国西部地区不同结构类型房屋的平均震害指数向未经加固的砖混和砖木结构房屋的平均震害指数转换的数学关系, 其结果对地震灾害及其损失的快速评估与现场评估具有一定的参考作用。     

基于千米格网的地震应急灾情预评估数据开发

震后地震应急灾情的准确、快速评估(盲估)是有效地震应急决策的关键之一。为提高应急灾情评估的速度与准确性,文中提出开发基于千米格网技术的地震应急灾情预评估数据。阐述了预评估数据计算模型,包括承灾体数据、灾情计算用致灾因子和计算公式。介绍了千米格网地震应急灾情预评估数据计算的算法,该算法通过对计算参数的空间化和地图代数的应用实现。最后论述了预评估数据在地震应急灾情评估与应急救援中的应用,并以近期中国大陆发生的2次实际破坏性地震为实验案例,展示和检验了其应用。实验结果表明,千米格网地震应急灾情预评估数据能较好地提升灾情评估速度和准确度,还能精细地展示灾情的空间分布,为地震应急指挥和救援提供参考。     

1996年3月19日新疆伽师—阿图什地震灾害损失评估的启示

１９９６年３月１９日，新疆伽师－阿图什地区发生６．９级地震，造成了破坏和伤亡。震后，新疆地震部门对灾区震害情况进行了实地调查，并对震害损失进行了评估。该文根据对伽师－阿图什地震灾害损失评估的实践，提出了由震害评估工作得到的几点启示。     

2006年甘肃文县5.0级地震灾害损失评估

2006年6月21日在甘肃省文县发生MS5.0地震,造成了建筑物破坏及人员伤亡。在震后开展的地震现场考察与震害评估工作中,将灾区分为2个评估子区,完成了29个点的震害抽样调查工作,根据地震灾害损失评估系统EDLES2.5的要求建立了有关数据库,做出了经济损失评估,并针对灾害特点给出了灾区恢复重建的建议。     

泸定Ms6.8地震房屋损失快速评估

震后房屋损失的快速评估对于灾后应急救援等至关重要。现有的地震风险评估方法要么仅提供损失的均值,要么以某一方差常数来描述损失的分布特征,均无法准确有效地反映各空间位置点损失的随机性及相关关系,最终影响整体损失评估结果的准确度。本文基于Copula理论,提出了一种适用于地震巨灾风险分析的相关随机变量模拟方法,好处是在实现快速计算的同时,能够考虑地震损失中的不确定性与相关性。利用所提方法对2022年9月5日四川泸定6.8级地震的房屋损失进行评估,得到了各结构类型与县区的损失分布,并与PAGER方法所得到的损失分布进行对比。结果表明：此次地震房屋总体损失超过89.8%的概率处于10～100亿元人民币量级水平,其中超过50.8%的概率为20～50亿元人民币;损失较大的三个县区分别是泸定县、石棉县和荥经县,砌体结构的经济损失约是框架结构的2倍;相比于PAGER,该方法给出的损失概率分布形状更加灵活,能够详细地反映不同县区的房屋损失特征。研究方法和结果为震后损失快速评估技术提供参考,也为未来地震的灾后应急救援等提供科学依据。     

分区分类的生命线工程地震直接经济损失研究

生命线工程的震害及损失评估工作对于震害防御和震后地震应急工作有着极其重要的意义。 但是, 生命线工程是一个复杂庞大的网络系统, 目前对其开展的震害及损失评估研究工作存在着很大的局限性和不确定性。 本文充分利用研究较多且较系统的建筑物震害及损失评估结果, 结合历次典型历史地震震害中建筑物和生命线震害情况, 通过分析建筑物损失和生命线工程损失的数量关系, 建立二者之间的关联模型; 通过对人口、 GDP、 土地利用等公里网格数据进行分析, 给出中国大陆地区的分区分类原则, 建立分区分类的生命线工程地震直接经济损失分析模型; 基于GIS软件平台, 开发了生命线工程地震直接经济损失分析模块, 利用该模块, 得出了四川省不同地震烈度下的生命线工程直接经济损失空间分布情况。     

天津市面向震害快速评估的房屋和人口空间化研究*

以天津市的大比例尺房屋空间数据和第六次人口普查数据为基础,利用GIS空间分析功能,模拟了天津市房屋和人口空间分布,产出1km格网的房屋数据和分时段人口公里格网数据。经检验,模拟的房屋和人口数据达到了较高精度,能够较准确地表达行政单元内部的房屋和人口空间分布。将模拟结果应用到设定地震震害评估中,与基于平均密度法的评估结果对比,表明基于公里格网评估的结果更为合理,减少了由于房屋和人口分布不均匀造成的误差,能够为地震应急工作提供可靠的数据支撑。     

高精度静态人口空间分布研究——以银川市西夏区为例

地震发生后，人口空间分布密度是决定救援力量部署的重要依据。然而，高精度人口空间分布数据存在获取和更新困难的问题，缺少有效的解决途径。以银川市西夏区为例，基于高空间分辨率遥感影像，通过建筑物解译与实地调查相结合的方式获取住宅建筑物信息，建立人口与住宅建筑物之间的关系模型，得到更客观真实的人口空间分布情况。研究结果表明，以高空间分辨率遥感影像解译住宅建筑物作为人口空间分布指示因子建模，得到的总体预测人口误差率为3.56%，人口平均相对误差率为9.19%，研究结果具有较高的可靠性，为震前灾害风险评估和震后灾情快速评估提供可靠的人口空间分布数据。     

玉树7.1级地震震后损失快速评估

2010年4月14日7时49分,在青海省玉树县发生里氏7.1级地震,震中位于北纬33.2°、东经96.6°,震源深度为14 km.在玉树地震发生后,基于经验模型的震后损失快速评估方法,用较少的信息和数据,对玉树地震灾情进行了快速应急评估,绘制了经验等震线图,给出了房屋损失的初步评估结果,与最终的损失调查统计结果相比,震...     

钢筋混凝土框架结构震后功能恢复能力的量化研究

震后功能恢复能力是指建筑物、社区或城市等遭受地震影响后实现功能恢复的能力。以一钢筋混凝土框架结构为对象,基于OpenSees有限元分析平台,对其进行增量动力分析,得到其对应于不同损伤状态的地震易损性曲线。进而基于单体建筑损失评估理论,评估该结构在不同强度水准地震动作用下的地震损失,包括直接经济损失和间接经济损失等。在此基础上,分别利用直线型、指数型以及三角函数型功能恢复模型,在不同强度水准地震动作用下,分别计算该结构的震后功能恢复能力。结果表明:随着地震动强度的增加,基于3种恢复模型计算得到的震后功能恢复能力都在下降,而且直线型和三角函数型恢复模型得到的恢复能力均比指数型的下降更快;在同一强度水准地震动作用下,基于指数型恢复模型计算得到的震后功能恢复能力均高于直线型和三角函数型恢复模型,即使在较强水准地震动作用下,根据指数型恢复模型得到的恢复能力依然较大。而在各个强度水准地震动作用下,基于直线型和三角函数型恢复模型得到的震后功能恢复能力非常接近。     

2021年5月21日云南漾濞6.4级地震灾害损失快速评估结果分析

本文针对2021年5月21日云南漾濞6.4级地震,选取不同的地震烈度衰减关系模型,对各模型地震影响场评估结果与发布的地震烈度图进行对比分析,并对地震影响范围不确定性进行研究。选取多种死亡人数评估模型,分别计算各模型在不同地震影响场下的死亡人数、人口分布数量,探讨各地震影响场模型下的人口分布特征及影响人员死亡的主要因素。通过对比分析可知,导致此次地震灾害损失评估结果与真实地震现场结果不同的主要原因是地震影响场分布、人口分布、房屋建筑抗震能力偏差、地形地貌、次生灾害等多种因素不同。研究结果表明,有效提高地震灾害损失快速评估精确性的途径为提高地震影响场评估精度,提高人口分布、房屋建筑等数据空间分布评估精度,后期专家检验等。     

天津市地震经济损失模型和生命损失模型的预测研究

文中主要探讨了由地震引起的天津市经济损失和生命损失的预测问题。首先阐述了天津市震害预测的 5个背景特点 :建筑物特点、地质条件特点、建筑场地划分特点、基本设防烈度特点以及地震烈度衰减关系特点 ,根据这 5个特点将天津市划分为含有 7种建筑结构形式的 4个区域的震害预测模式。在此基础上 ,分析了天津市地震经济损失模型和生命损失模型 ,考虑了时间因素 ,然后与1976年唐山大地震的实际震害结果进行了对比及修正 ,给出了天津市 4个区域的建筑物地震经济损失率模型、社会财富损失率模型和建筑物毁坏率模型 ,并给出了计算天津市建筑物地震经济损失、天津市国内生产总值GDP地震经济损失和天津市地震生命损失的表达式 ;最后 ,将天津市地区划分为2 85 8个震害评估单元 ,以近百年来在天津市区域内曾经发生的最大地震作为假想地震 ,预测分析了天津市建筑物地震经济损失分布和地震生命损失分布结果     

Pre- and post-earthquake regional loss assessment using deep learning

As urban systems become more highly sophisticated and interdependent, their vulnerability to earthquake events exhibits a significant level of uncertainties. Thus, community-level seismic risk assessments are indispensable to facilitate decision making for effective hazard mitigation and disaster responses. To this end, new frameworks for pre- and post-earthquake regional loss assessments are proposed using deep learning methods. First, to improve the accuracy of the response prediction of individual structures during the pre-earthquake loss assessment, a widely used nonlinear static procedure is replaced by the recently developed probabilistic deep neural network model. The variabilities of the nonlinear responses of a structural system given the seismic intensity can be quantified during the loss assessment process. Second, to facilitate near-real-time post-earthquake loss assessments, an adaptive algorithm, which identifies the optimal number and locations of sensors in a given urban area, is proposed. Using a deep neural network that estimates area-wide structural damage given the spatial distribution of the seismic intensity levels as a surrogate model, the algorithm adaptively places additional sensors at property lots at which errors from surrogate estimations of the structural damage are the greatest. Note that the surrogate model is constructed before earthquake events using simulated datasets. To test and demonstrate the proposed frameworks, the paper introduces thorough numerical investigations of two hypothetical urban communities. The proposed frameworks using the deep learning methods are expected to make critical advances in pre- and post-earthquake regional loss assessments.