云南盈江2014年5·30M_s6.1地震的主要震害特征

通过实地考察,对2014年5月30日9时20分云南省德宏傣族景颇族自治州发生的6.1级地震中的房屋震害特点及主要次生地质灾害特征进行了全面分析,并初步总结了各类房屋建筑及主要地质灾害的震害特征及其成因。研究结果表明,对于西南山区类似盈江的地震多发区带,城镇建设过程中在尽量选择高强度建筑材料且保证建筑材料合格的同时,还要充分重视科学选址,应尽量避开滑坡、崩塌、泥石流等地震地质灾害易发地带;对稳定性较差的场地应通过必要的地基处理工程进行加固,以尽可能减小地震造成的破坏;在易发生地质灾害的道路周边还应采取适当的加固措施以避免地震来临时造成交通瘫痪,进而引发更大的生命财产损失。     

基于地下水位观测的震后孔隙回弹：以2000年冰岛地震为例

以2000年两次M_W 6.5冰岛地震为例，利用近场地下水位的同震响应和震后响应约束孔隙模型参数，分析了孔隙回弹效应造成的地表变形大小和时间演化过程。首先利用数值模拟方法获得地震造成的孔隙压力变化和测井水位响应的时间序列，并以测井水位的同震阶跃幅值和震后水位恢复速率分别约束孔隙模型中的Skempton系数和扩散系数；然后基于孔隙弹性模型使用最优孔隙参数模拟震后孔隙回弹效应引起的地壳变形。结果显示：孔隙压力的同震响应控制着孔隙回弹引起的地壳变形，其变形速率与流体扩散系数呈正相关关系；孔隙回弹造成的变形以垂直向为主，且随时间快速衰减。因此，利用近场地下水位的同震响应和震后响应可以约束孔隙模型参数，为获取震后孔隙回弹机制所致的地壳变形提供依据。     

人工智能技术在桥梁抗震领域的应用综述

近年来，人工智能技术发展迅速，作为国家战略的新一轮科技革命和产业变革的核心技术，已经渗透到各行各业，推动了各行业的发展。与其他行业相比，桥梁等基础设施的智能化程度还较低，融合人工智能技术的发展成为必然趋势。桥梁作为重要的生命线工程，当地震灾害发生时，及时和准确地评估桥梁地震损害和调动相应的事后救援工作起着关键作用。人工智能技术能很好地捕捉变量之间的复杂非线性关系，快速准确地对未知数据进行识别与预测，相比于传统的无法同时兼顾准确性与效率分析的方法，人工智能技术有着巨大的优势。为了促进人工智能技术与桥梁抗震深度融合，基于国内外的研究现状，归纳总结了人工智能技术在地震动分析预测、桥梁地震响应预测和模式识别及快速评估方面的应用，梳理了当前人工智能模型存在的问题，并对未来的研究进行了展望，指出真实数据建立的数据库、基于物理的模型、可解释性以及同类型桥梁之间的泛化将是未来的发展方向，为未来的桥梁抗震设计、分析和评估提供帮助。