收藏本站
《大连理工大学》 2016年
收藏 | 手机打开
二维码
手机客户端打开本文

基于贝叶斯网络的地震液化风险分析模型研究

胡记磊  
【摘要】:地震液化问题的深入研究对于抗震减灾工程而言是极其重要的。目前已有的研究成果绝大部分是关于地震液化发生的预测,而且已有的液化预测方法存在适用性窄,预测精度不高等缺陷,另外,对于液化后的灾害综合预测研究鲜有,特别是对于液化的减灾决策问题的研究。本文基于贝叶斯网络方法,通过统计计量手段筛选地震液化的重要影响因素,建立了地震液化的贝叶斯网络预测模型,随后引入液化灾害变量和抗液化措施及损失,分别建立了地震液化的贝叶斯网络液化灾害风险评估模型和液化减灾决策模型,扩展的模型不仅可以对地震液化的发生及液化后的灾害做出快速、准确的预测和评估,而且可以针对液化灾害程度及场地性质,分析得出最佳减灾决策方案,为工程抗震减灾提供科学依据。本文的主要研究有如下几个方面:(1)基于统计计量手段和地震液化重要因素筛选原则,从众多地震液化的影响因素中筛选出了12个重要因素:震中距、地震震级、峰值加速度、地震持续时间、土质类别、细粒或粘粒含量、颗粒级配、相对密度、可液化层厚度、可液化层埋深、上覆有效应力和地下水位,并采用解释结构模型方法对这12个重要影响因素建立了其层次结构网络,分析了各重要影响因素间的层次强弱关系,为建立地震液化的贝叶斯网络模型提供了基础准备。(2)选择地震等级、震中距、标准贯入锤击数、地下水位和砂土层埋深5个因素,基于解释结构模型法和K2算法分别建立了仅适用于自由场地的地震砂土液化判别的五因素主观贝叶斯网络模型、客观贝叶斯网络模型和混合贝叶斯网络模型,选用总体精度(OA)、准确率(Pre)、召回率(Rec)、F1值和ROC曲线下面积(AUC)五个性能指标,和其他常用的地震液化判别方法对比,验证了贝叶斯网络模型的有效性和准确性,其中地震砂土液化的混合贝叶斯网络模型的预测性能最好。随后探讨了训练样本的分类不均衡和抽样偏差对地震液化概率预测模型的影响,发现训练样本分类越不均衡、抽样偏差越大,模型的回判性能越好,而预测性能却越差,并给出了常用概率预测方法的最佳训练样本分类比例范围,以减小训练样本分类比例选择所带来的模型误差。另外,针对训练样本存在严重分类不均衡或抽样偏差的情况,探讨了过采样技术对在常用概率模型性能提升中的应用。(3)在大量数据不完备和数据完备两种情况下,基于筛选的12个重要影响因素,分别提出了基于解释结构模型和因果图法建立地震液化多因素主观贝叶斯网络预测模型的方法及融合解释结构模型和K2算法建立地震液化多因素混合贝叶斯网络预测模型的方法。采用K(K=5)折交叉试验,选用五个性能评估指标,与其他液化概率预测模型的性能进行综合对比,验证了两种方法所建的贝叶斯网路液化预测模型的准确性和鲁棒性,并对液化的12个影响因素进行了敏感性分析和反演推理。所建立的新贝叶斯网络模型扩展并改善了前面五因素模型的适用范围和预测精度,使其能适用于不同土质类别、不同细粒含量的自由场地液化和有上部结构物场地液化的更高精度预测。(4)在贝叶斯网路液化预测模型基础上,引入地震液化的灾害指标,如液化潜能指数、喷砂冒水、地面裂缝、地表沉降和侧向位移,建立了贝叶斯网路液化灾害风险评估模型,使其可以综合评估液化后场地的灾害程度。与神经网络方法对比,验证了模型的精准性和可靠性。随后,引入抗液化措施和其效用及成本,扩展了该模型,使其不仅可以预测液化及液化灾害,而且可以为液化减灾提供最佳决策支持。将地震液化减灾的决策模型应用到人工岛的抗液化决策中,采用数值模拟结果验证了模型的有效性,使其能为液化的防灾减灾提供科学依据。
【学位授予单位】:大连理工大学
【学位级别】:博士
【学位授予年份】:2016
【分类号】:TU435

中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026