地震总输入能自抵耗效应研究

通过对单自由度(SDOF)体系弹性和弹塑性地震能量反应的计算,提出了自抵耗能和自抵耗系数的概念,并计算了弹性SDOF体系在地震动作用下的地震总输入能、自抵耗能、地震输入能以及自抵耗系数与体系自振频率和阻尼比的关系。结果表明:当体系自振频率等于地震动卓越频率时,自抵耗系数最小,地震输入能最大,结构的自抵耗能力较弱,且阻尼比对地震输入能的幅值影响较大;当自振频率远离地震动卓越频率时,自抵耗系数增大,地震输入能减小,结构的自抵耗能力增强,且地震输入能受体系的自振频率影响较大,基本上不受阻尼比的影响。文中从能量的角度对汶川地震中的一些实际震害作了相关解释。     

大跨斜拉桥合理成桥状态非线性分析

分析了斜拉桥几何非线性效应和材料非线性效应对成桥状态内力、变形和位移的影响。分析结果表明,在大跨斜拉桥的受力状态中,主要是材料非线性对桥梁主塔和主梁弯矩、位移的影响,而几何非线性因素的影响则并不明显。     

基于集成学习与贝叶斯优化的岩石抗压强度预测

岩石抗压强度是评估岩体工程稳定性的重要力学参数,传统统计回归方法对于岩石抗压强度预测存在一定的局限性.为此,提出了一种利用简单岩石力学参数实现岩石抗压强度智能预测的方法,首先收集了620组含不同类型岩石的三轴试验数据,然后分别采用随机森林(Random Forest,RF)、极限梯度提升树(XGBoost,XGB)和轻量梯度提升机(LightGBM,LGB)3种主流的集成学习算法建立了岩石抗压强度预测模型,使用贝叶斯优化算法在模型训练过程中进行超参数优化,最后利用决定系数(R²)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)对优化后模型的泛化能力进行了综合评估和对比分析.此外,利用LGB模型对输入特征进行重要性分析,以评估不同输入特征对模型泛化性能的影响重要程度.研究结果表明：所建立的3种模型对岩石抗压强度均取得了较好的预测结果,其中LGB模型泛化性能优于另外两种模型(R²=0.978,RMSE=5.58,MAPE=9.70%),且运行耗时相对最少.弹性模量(E)、围压(σ₃)和密度(ρ)对模型的泛化性能影响较...     

从地震工程研究看防震减灾科学研究计划

本文从比较伊朗巴姆地震和日本新潟中越地震入手,指出了我国防震减灾任务的迫切性。通过介绍美国地震工程网络模拟系统(NEES),阐述了我们和先进国家之间在试验手段上的差距。结合自然科学基金会相关学科发展趋势的研究结果和我国到2020年的全国防震减灾目标,提出了在数学上如何表达这样的一个宏观目标。最后,文章给出了几个具体的建议,为防震减灾科学研究规划提供参考资料。     

地震保险中经济损失和赔付问题的研究

简单介绍了国内外地震保险业的发展和现状，以及基于地震危险性分析和结构易损性分析的经济损失评估方法；着重探讨了给定赔付政策下单体房屋结构震害损失赔付的概率密度函数，和保险业关心的多个单体集合赔付的整体方差问题；引入了美国使用的单体结构间损失的相关系数，并据此解释了地震保险中风险的高聚合性质. 为我国地震保险业中的赔付和费率厘定提供依据，为地震保险工作的实际运作和展开提供参考.      

基于B/S模式的地震记录处理软件框架研究

依托前沿的软件开发技术和模块化的软件开发方法，采取Java Platform Enterprise Edition（Java EE）架构，按照MVC（模型-视图-控制器）设计模式的特点，设计了基于B／S（浏览器／服务器）模式的三层（表示层、业务逻辑层、持久层）地震记录处理软件框架，并运用Cewolf图形引擎、Struts框架、Java Bean技术、Hibernate框架实现了这一框架，以地震记录图形绘制和地震记录FFT变换及图形绘制两个实例，讲述了在此框架下地震记录处理方法的实现，展示了B／S模式地震记录处理软件的处理效果。     

基于三维GIS技术的地震灾情场景模拟系统

设计并实现了基于三维GIS技术的地震灾情场景模拟系统。根据现场救援工作的特点和需求,对基于基础地理信息数据的自动三维建模方法和场景生成技术进行了研究,建立了基于地震动影响场和结构易损性的地震灾情场景模型;基于ArcGISEngine开发组件,实现了灾前、灾后场景的自动生成和直观显示,实现了整体破坏情况分析、重点搜索区域判定、关键目标震害与属性查询等灾情分析和辅助决策功能。该系统以震区基础地理信息数据和地震基本参数作为数据源,可以在获得地震基本参数之后快速地估计和分析震区建筑结构的破坏及其空间分布情况,预判重点搜索救援区域,为应急指挥决策和救援行动提供有效的支持,适合在现场救援工作中实际应用。     

黏滞阻尼器对高层钢结构地震易损性的影响

为研究黏滞阻尼器对高层钢结构地震易损性的影响,基于Open SEES有限元分析平台,建立一个25层钢框架结构以及同尺寸附着黏滞阻尼器的钢框架结构,对两个钢框架结构以地震动峰值加速度(PGA)作为地震动强度指标,以结构最大层间位移角θmax为工程需求参数,从太平洋地震工程研究中心(PEER)中选取了15条地震动记录,分别对两个结构进行增量动力分析(Incremental Dynamic Analysis,IDA),建立结构的IDA曲线簇。结合地震易损性分析,对分析结果进行对数拟合,构筑两个结构的连续易损性曲线,并进一步提出用贝塔分布函数将结果转化为地震动参数-震害指数概率密度函数的概率表达方式,可以更加直观简便地观察到黏滞阻尼器显著的减震效果。该表达方法具有直观性,研究成果可为既有结构的地震灾害风险评估等提供简明且有力的分析方法。     

基于KiK-net记录的PGA与Sa场地影响因子分布研究

场地条件对地震动有着重要的影响,它一般通过地表峰值加速度PGA或者谱加速度Sa在不同场地条件下的放大系数表示。以往的相关研究中缺少大量的实测地震动数据分析;没有明确给出PGA和Sa在不同场景下的适用性;较少赋予其放大系数分布概率含义。选取KiK-net台网1997—2019年记录的210多万条地震动信息,通过PGA与Sa放大系数的分布分析了其在不同场景下的适用性,然后基于控制变量法和回归方法对每个台站的PGA放大系数进行拟合分析,最后对不同场地类别的PGA放大系数进行了概率分布函数拟合。研究结果表明：场地条件不变情况下,地震动放大系数的分布有很好的规律性;Sa较PGA放大系数分布离散程度更小,且随着Sa周期增加,其离散程度呈现逐渐减小趋势,在建筑物周期确定的情况下,Sa具有更高的适用性;Ⅰ、Ⅱ类场地且周期大于1.0 s的Sa放大系数具有较高的稳定性;相同场地条件下,PGA放大系数呈非线性分布,随着基岩PGA(PGA_R)的增加逐渐减少;PGA放大系数趋于指数正态分布。研究结果可用于未来更加准确地估计损失与描述场地条件对地震动的影响。     

基于卷积神经网络的地震震级快速估算方法

地震发生后震级的快速准确估算是确保地震预警减灾效果的最重要部分,而基于经验参数的传统方法在准确性和时效性方面各自存在局限性。通过建立多全连接层卷积神经网络模型,选用日本KiK-net和K-NET台网1997年至2019年记录到的3 065次地震的16万4 547条初至波在3—9 s不同时段的频域数据、对应地震事件的震源信息（震中距和震源深度）以及场地信息（v_S30）作为全数据集,对提出的模型进行训练并对估算效果予以评估。结果显示:当初至波截取时段为3 s时,模型震级预测的整体准确率为89.92%,并且随着初至波长度的增大,估算震级的准确率持续提高;当截取时段为9 s时,整体准确率达到96.08%。与传统P_d方法的预估结果相比,结果表明:基于本文提出的多全连接层卷积神经网络模型估算的震级精度有所改善,具有绝对误差标准差和均值更小、时效强等特性,实现了基于单台站记录的端到端震级持续快速估算,能更好地增强地震预警的减灾效果。