基于概率神经网络的地铁车站易损性分析

基于深度学习方法提出了一种地震响应概率模型，并基于此模型推导了地铁车站结构极限状态超越概率的计算公式，以评价结构的地震易损性。首先采用主成分分析对地震强度指标进行正交化和降维；为了克服传统地震响应概率模型中地震动强度指标与结构地震响应指标服从对数空间线性分布假设的局限性，基于BP神经网络建立趋势模型以预测结构的地震响应；基于概率神经网络建立误差模型以描述基于统计的趋势模型与基于物理机制的数值模型之间的误差，以拓展残差的齐次方差正态分布假设的严格限制。最后，以上海典型2层三跨地铁车站为算例，计算得到其易损性曲线。结果表明，基于深度学习建立的趋势模型较好地模拟了地铁车站结构地震响应随地震强度指标第一主成分的非线性变化特征；建立的误差模型准确地描述了趋势模型预测值的残差随地震强度指标第一主成分的方差非齐次特征。     

地震预警技术关键问题研究

地震预警是防御和减轻地震灾害的一种工程技术,其原理是利用地震波与电磁波、P波与S波的速度差来实现震前或震后报警。基于此,本文对地震预警技术的若干关键问题进行研究探讨,为相关研究提供一定的参考。     

基于LQG控制的整车8-DOF系统振动分析

建立了整车8-DOF系统动力学模型,考虑了主动悬架控制,并增设了主动座椅控制,设计了车辆主动悬架系统的LQG控制器。基于Matlab仿真平台建立了整车8-DOF系统动力学仿真模型,对所得最优控制策略下的动态响应进行了仿真验证。仿真结果表明:为了改善人椅系统质心及车身质心的跳振性能需要在一定程度上弱化各轮轮胎动位移性能。从控制效能上来看,该最优控制器能够满足各行驶状态下对悬架性能的要求,改善了车辆的行驶平顺性。     

内置大质量管道对综合管廊地震响应的影响

我国综合管廊工程面临的震害威胁十分严重,开展内置大质量管道对管廊地震响应的研究很有必要。采用数值模拟方法完成了水平地震波入射下,综合管廊的地震响应分析。在建立4种不同工况下L形三仓综合管廊的动力有限元分析模型的基础上,模拟计算了管廊在水平地震波入射时的动力响应,结果表明:管廊主应力与剪应力最大值均位于中隔墙上,大质量管道引起结构动应力显著增大,但对结构水平位移几乎不产生影响,管道置于管廊下层且远离震源的分仓内对结构抗震最有利。     

基于Sinc插值与相关谱的纵横波速度比扫描方法

在多分量地震技术中，准确地求取出纵、横波速比（γ）是多分量资料处理、反演、解释各环节中的一个重要步骤。由于地下同一层位具有相同的波阻抗比，因此该层位的反射纵波和反射转换波相互关联，纵横波速比与时间比存在相互转化关系。基于Sinc插值算法与相关系数谱分析的纵横波速比扫描方法是通过设置一系列γ，利用Sinc插值算法将纵波拉伸后与转换波进行互相关，当互相关系数达到最大时即可求出相应的γ。理论数据和实际资料的测试，验证了该方法的有效性、准确性和实用性。     

Seismites(地震岩)等术语的概念与名称

seismites,按其字面意思理应翻译成地震岩,即与地震有成因联系或受发震断裂改造、变形的岩石。按发震时地质材料的固结程度与力学性质,地震岩可分为震积岩(地震时尚未固结成岩的含水沙土层,即软沉积物)和脆性断层岩(地震时已经固结成岩的沉积岩、岩浆岩和变质岩)。脆性断层岩包括断层角砾岩、碎裂岩、超碎裂岩、假熔岩和断层泥等。发育由沙土液化形成的软沉积物变形构造的沉积岩,统称为“沙土液化岩”(liquefactites),但是长期以来一直被误译为seismites。大量的研究表明,并不是所有的沙土液化和软沉积物变形都是由地震造成的,也并不是所有地震都能导致沙土液化。只有那些所在区域存在重要发震断层、真正由地震引起的区域性的沙土液化造成的软沉积物发育变形构造的岩层才能称之为震积岩(seismic liquefactites)。震积岩不应再翻译成seismites。零星出现的软沉积物变形构造与沙土液化构造(例如:砂涌丘)不足以作为古地震的证据。     

海原特大地震红土川滑坡拟静力强度折减法模拟分析

为研究黄土物理力学参数对滑坡稳定性的影响,通过拟静力强度折减的方法进行红土川滑坡的模拟分析,研究了地震动输入及岩土体强度指标:黏聚力、内摩擦角对黄土-泥岩的二元结构滑坡的影响。结果表明:在地震输入为0. 70g时,接近边坡的极限状态,稳定性系数为1. 01。在此地震输入下,当黄土黏聚力为21 k Pa、内摩擦角为28°时,其稳定性系数为1. 00,可见在黄土物理力学参数相似的红土川地区,0. 70g可作为该地区参考的地震输入。并且将红土川滑坡所在区域划归成Ⅸ度区时,相对较稳定;而划归成Ⅹ度区时,稳定性系数小于1。鉴于此处已形成滑坡,则划归为Ⅹ度区更加合理。可为减轻黄土地区滑坡灾害提供基础资料与参考。