[发明专利]一种随机主余震序列的模拟及随机动力分析方法

说明书

本发明提供一种随机主余震序列的模拟及随机动力分析方法，属于地震的随机动力分析领域。关键内容包括基于Copula函数建立主余震参数相关性、基于随机物理模型产生地震序列，基于DPIM方法进行随机响应分析。本发明能够解决现有的随机地震动模型对余震在地震动时产生的影响的忽略，可以合理地从概率的角度建立主余震参数之间的随机关系，能够克服传统的结构动力分析方法计算量大、效率低的局限，从而极大地缩短了运算时长，提高了计算精度。

技术领域

本申请属于地震的随机动力分析领域，涉及一种随机主余震序列的模拟及随机动力分析方法。

技术背景

大多数地震都是以地震序列的形式出现的，有些时候余震比主震的规模还要大，会对建筑物造成严重的破坏，所以在对随机地震进行结构分析时候，要对随机主余震序列进行模拟，并采用合适的方法进行分析。

早期的随机地震动模型认为地面运动是单一的，因此忽略了余震，或者没有区分主震和余震的参数，这类模型有白噪声模型、Kanai-Tajimi谱模型、演变功率谱方法和谱表现方法。目前的主余震结构分析中常采用实测地震序列，而实测地震序列数量有限且不同属于一个概率空间，不便于随机动力学计算。实际上，同个地震事件中主震和余震具有某种关联，但目前在基于确定性关系的地面运动模型中，主震和余震烈度的比例关系是根据经验规定的，忽略了余震参数的随机性，实际上不应加以规定。另一方面还假定主震是平稳的过程，实际上由于时域振幅的变化和能量分布不均匀，主震并非平稳的。

传统的结构动力分析采用的方法，如蒙特卡洛模拟(MCS)法，认为样本数越大计算精度越高，但复杂结构数万次的有限元模拟的计算量是巨大的，且效率较低；而概率密度演化法 (PDEM)能处理随机激励下带有随机参数的结构的随机振动，比MCS效率高，但需求解广义密度演化方程(GDEE)，从而将静态系统的随机过程处理为动态情况，增加了额外的工作。

发明内容

为解决上述现有技术中存在的问题，本发明提供一种随机主余震序列的模拟及随机动力分析方法，从概率的角度确定了余震的烈度，能够合理地给出主余震之间的相关性，并采用DPIM 方法进行随机响应分析，缩短了运算时长，提高了计算精度。

为了达到上述目的，本发明采用的技术方案为：

一种随机主余震序列的模拟及随机动力分析方法，包括以下步骤：

第一步，对随机主余震序列进行模拟

S1：根据工程场地类型获得大量实测序列型地震动加速度时程数据，筛选得到m组实测数据；

S2：对m组实测数据进行反演，获得相应组数的“震源-途径-场地”模型参数；

S3：对反演出来的模型参数进行概率统计，获得最优分布及其分布参数；

S4：产生人工主余震地震动多维随机变量代表点集，并生成N组随机主余震序列组；

S5：建立人工主余震参数间相关性；

第二步，计算随机动力

S6：根据分析对象的物理模型的结构特征，施加约束条件，建立工程结构的有限元模型；

S7：将每一组地震序列作为一次外部荷载，输入有限元模型进行一次随机动力计算，共进行N次计算以遍历所有样本，即进行N次有限元模拟；

S8：在步骤S7的随机动力计算结果中，根据研究所要关注的内容，提取某一或若干感兴趣物理量的N组时程，如应力、位移、安全系数等；

第三步，进行随机响应分析

S9：采用直接概率积分法对步骤S8中的物理量进行概率计算，获得其各时间的概率分布情况(PDF/CDF)；

S10：根据极限状态或阈值，计算该工程结构的动态可靠度。