前言
第1章 绪论
1.1 研究背景和意义
1.2 地震液化风险分析的研究现状
1.2.1 地震液化影响因素筛选研究
1.2.2 地震液化风险判别研究
1.2.3 地震液化侧移预测研究
1.2.4 地震液化沉降预测研究
1.2.5 地下结构液化上浮预测研究
1.3 本书的主要内容与结构安排
参考文献
第2章 基于贝叶斯理论的自适应套索逻辑回归地震液化风险判别
2.1 逻辑回归简介
2.1.1 逻辑回归基本原理
2.1.2 参数估计与模型检验
2.2 贝叶斯理论简介
2.2.1 贝叶斯公式
2.2.2 先验分布和后验分布
2.2.3 马尔科夫蒙特卡罗抽样
2.2.4 贝叶斯推断
2.3 贝叶斯逻辑回归方法及程序实现
2.3.1 贝叶斯逻辑回归公式
2.3.2 程序实现
2.4 自适应算法引入
2.5 基于贝叶斯自适应套索逻辑回归液化判别模型构建
2.5.1 地震液化数据库收集
2.5.2 K折交叉验证方法
2.5.3 分类模型的性能评价指标
2.5.4 液化判别模型的构建
2.6 模型预测结果分析及与其他模型的性能对比
2.6.1 模型的训练与预测结果分析
2.6.2 不同逻辑回归液化模型的预测结果对比分析
2.6.3 与现有地震液化判别模型的性能对比分析
2.6.4 逻辑回归模型中因素敏感性对比分析
2.7 基于唐山地震液化数据的模型性能检验
2.7.1 唐山地震液化概述
2.7.2 唐山地震液化数据收集与整理
2.7.3 液化判别模型的性能验证
2.8 算法参数和先验分布对模型性能的影响
2.8.1 算法参数对模型预测结果的影响
2.8.2 不同先验分布对模型预测结果的影响
2.9 本章总结
参考文献
第3章 基于响应面一神经网络的地震液化触发风险预测
3.1 响应面方法简介
3.2 神经网络方法简介
3.3 历史液化数据库的构建
3.3.1 地震震级与峰值加速度数据选择
3.3.2 累积绝对速度计算
3.3.3 qclNcs数据的选择与测量
3.3.4 莫斯兰丁州立海滩数据分析
3.3.5 野生动物液化阵列液化场地数据分析
3.3.6 米勒农场和法里斯农场液化数据分析
3.3.7 马尔登街数据分析
3.3.8 场地液化潜能分类
3.4 液化预测模型构建
3.5 模型预测结果分析
3.5.1 评估液化触发的RSM方程式
3.5.2 蒙特卡罗模拟法实现敏感性分析
3.6 本章总结
参考文献
第4章 基于神经网络的地震液化侧移灾害风险分析
4.1 方法简介与回归模型性能评估指标
4.2 地震液化侧移数据库介绍
4.3 地震液化侧移的人工神经网络模型构建
4.3.1 数据统计特征
4.3.2 数据集划分
4.3.3 ANN模型构建
4.4 与现有模型的性能比较
4.5 参数敏感性分析
4.6 本章总结
参考文献
第5章 基于随机森林的地震液化沉降灾害风险分析
5.1 随机森林理论简介
5.2 回归模型的性能评估指标
5.3 随机森林模型的构建
5.4 模型预测结果分析与讨论
5.5 本章总结
参考文献
第6章 基于贝叶斯网络的地下结构液化上浮灾害风险分析
6.1 贝叶斯网络简介
6.1.1 贝叶斯网络原理
6.1.2 贝叶斯网络的结构学习
6.1.3 贝叶斯网络的参数学习
6.2 地下结构物地震液化上浮灾害的影响因素筛选
6.3 地下结构物地震液化数值模型的算例分析
6.3.1 饱和砂土动力液化数值计算方法简介
6.3.2 地铁站场地数值模型的建立
6.3.3 地表峰值加速度对上浮的影响
6.3.4 地震持续时间对上浮的影响
6.3.5 相对密实度对上浮的影响
6.3.6 结构下方可液化土层厚度对上浮的影响
6.3.7 地下结构物埋深对上浮的影响
6.3.8 结构高宽比对上浮的影响
6.3.9 地下水位对上浮的影响
6.4 地下结构物地震液化上浮灾害评估模型的构建与应用
6.4.1 含地下结构物场地地震液化上浮灾害数据库构建
6.4.2 模型构建及模型预测性能分析
6.4.3 因素敏感性分析
6.4.4 模型的通用性验证
6.5 本章总结
参考文献
第7章 结论与展望
7.1 结论
7.2 展望
展开
