基于貝葉斯網絡的地震液化風險分析模型研究.pdf

1、地震液化問題的深入研究對于抗震減災工程而言是極其重要的。目前已有的研究成果絕大部分是關于地震液化發(fā)生的預測，而且已有的液化預測方法存在適用性窄，預測精度不高等缺陷，另外，對于液化后的災害綜合預測研究鮮有，特別是對于液化的減災決策問題的研究。本文基于貝葉斯網絡方法，通過統(tǒng)計計量手段篩選地震液化的重要影響因素，建立了地震液化的貝葉斯網絡預測模型，隨后引入液化災害變量和抗液化措施及損失，分別建立了地震液化的貝葉斯網絡液化災害風險評估模型和液化

2、減災決策模型，擴展的模型不僅可以對地震液化的發(fā)生及液化后的災害做出快速、準確的預測和評估，而且可以針對液化災害程度及場地性質，分析得出最佳減災決策方案，為工程抗震減災提供科學依據。本文的主要研究有如下幾個方面:
　　(1)基于統(tǒng)計計量手段和地震液化重要因素篩選原則，從眾多地震液化的影響因素中篩選出了12個重要因素:震中距、地震震級、峰值加速度、地震持續(xù)時間、土質類別、細?；蛘沉：俊㈩w粒級配、相對密度、可液化層厚度、可液化層埋深、

3、上覆有效應力和地下水位，并采用解釋結構模型方法對這12個重要影響因素建立了其層次結構網絡，分析了各重要影響因素間的層次強弱關系，為建立地震液化的貝葉斯網絡模型提供了基礎準備。
　　(2)選擇地震等級、震中距、標準貫入錘擊數、地下水位和砂土層埋深5個因素，基于解釋結構模型法和K2算法分別建立了僅適用于自由場地的地震砂土液化判別的五因素主觀貝葉斯網絡模型、客觀貝葉斯網絡模型和混合貝葉斯網絡模型，選用總體精度(OA)、準確率(Pre)、

4、召回率(Rec)、F1值和ROC曲線下面積(AUC)五個性能指標，和其他常用的地震液化判別方法對比，驗證了貝葉斯網絡模型的有效性和準確性，其中地震砂土液化的混合貝葉斯網絡模型的預測性能最好。隨后探討了訓練樣本的分類不均衡和抽樣偏差對地震液化概率預測模型的影響，發(fā)現訓練樣本分類越不均衡、抽樣偏差越大，模型的回判性能越好，而預測性能卻越差，并給出了常用概率預測方法的最佳訓練樣本分類比例范圍，以減小訓練樣本分類比例選擇所帶來的模型誤差。另外，

5、針對訓練樣本存在嚴重分類不均衡或抽樣偏差的情況，探討了過采樣技術對在常用概率模型性能提升中的應用。
　　(3)在大量數據不完備和數據完備兩種情況下，基于篩選的12個重要影響因素，分別提出了基于解釋結構模型和因果圖法建立地震液化多因素主觀貝葉斯網絡預測模型的方法及融合解釋結構模型和K2算法建立地震液化多因素混合貝葉斯網絡預測模型的方法。采用K(K=5)折交叉試驗，選用五個性能評估指標，與其他液化概率預測模型的性能進行綜合對比，驗證了

6、兩種方法所建的貝葉斯網路液化預測模型的準確性和魯棒性，并對液化的12個影響因素進行了敏感性分析和反演推理。所建立的新貝葉斯網絡模型擴展并改善了前面五因素模型的適用范圍和預測精度，使其能適用于不同土質類別、不同細粒含量的自由場地液化和有上部結構物場地液化的更高精度預測。
　　(4)在貝葉斯網路液化預測模型基礎上，引入地震液化的災害指標，如液化潛能指數、噴砂冒水、地面裂縫、地表沉降和側向位移，建立了貝葉斯網路液化災害風險評估模型，使其