三种非线性时变识别方法的对比研究——以2021年日本福岛地震为例

利用2021年日本福岛地震(M_JMA 7.3)中6个KiK-net台站的观测记录,分别基于移动窗解卷积法、移动窗谱比法和移动窗自相关函数法对场地非线性时变过程进行研究,分析非线性发生的阈值和程度。研究表明：三种方法识别场地非线性时变特征的稳定性不同。移动窗解卷积法更容易获得较为稳定的土体非线性时变过程,但其反映的是地表至井下平均波速的变化,识别的非线性程度偏低。对于存在强波阻抗比的浅表层土体,移动窗谱比法和移动窗自相关函数法识别的非线性程度更强;对于较低波阻抗比的浅表层土体,则不容易识别出稳定的非线性时变结果。三种方法识别的非线性最强时刻基本一致,皆位于整条记录加速度峰值附近。基于三种方法识别的6个台站的非线性阈值约在40～140 gal,剪切波速下降比在16%～53%之间,场地非线性程度较明显。     

基于移动窗解卷积法的2011年日本东北 MW9.0大地震场地非线性时变识别

利用模拟记录和2011年日本东北M_W9.0大地震观测记录分析了基于移动窗解卷积法识别场地非线性时变特征的可行性,并与移动窗谱比法的结果进行了对比分析。研究表明:基于移动窗解卷积法可以较好地揭示场地非线性随地震动水平的变化过程,识别非线性发生的阈值、非线性变化程度及强震动后的恢复程度;与移动窗谱比法相比,移动窗解卷积法更容易获得较为稳定的土体非线性时变过程,但对于存在强阻抗比的浅表层土体,移动窗谱比法可以获得更准确的非线性程度。对2011年日本东北M_W9.0大地震中8个KiK-net台站进行了非线性时变分析,结果表明;两种方法识别的非线性阈值较接近,约在40—100 cm/s2之间,且与场地v_S30没有明显的相关性;在峰值加速度PGA较低的IBRH20台站,非线性引起的波速下降较小（3%）且震后几乎完全恢复;PGA 处于386—822 cm/s2之间的其余7个台站,场地等效剪切波速下降13%—37%,产生了显著的场地非线性,且震后未完全恢复;PGA大于380 cm/s2时,非线性所导致的场地波速下降、恢复与PGA无明显相关性。