基于非参数核密度估计的桥梁结构地震易损性分析.pdf

《基于非参数核密度估计的桥梁结构地震易损性分析.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第30卷第12期2017年12月中国公路学报ChinaJ．Highw．Transp．V01．30Dec．NO．122017文章编号：100卜7372(2017)12-007卜10基于非参数核密度估计的桥梁结构地震易损性分析单德山，董俊，李(西南交通大学土木工程学院，四J乔，谢祥辉II成都610031)摘要：针对桥梁结构构件常用地震易损性分析方法的不足，提出桥梁构件地震易损性分析的核密度估计方法。基于结构地震易损性条件概率的基本定义，重新定义易损性函数，采用概率统计中的非参数估计的核密度估计思想，实现地震动和抗震需求的联合概率密度分布函数、地震动边缘分布概率密度函数的估计，

2、据此构建桥梁结构构件地震易损性的核密度估计算法。用Bootstrap重抽样方法验证所提易损性算法的正确性和可靠性。以一座刚构一连续组合体系桥梁为例，结合桥梁结构抗震设计规范，构建基于0penSees软件平台的有限元模型，考虑结构参数不确定性和地震动的不确定性，基于增量动力分析和核密度估计，分析桥梁构件的地震易损性。同时分别用结构易损性分析参数估计的最大似然估计法和概率地震需求分析法、非参数估计的蒙特卡罗法计算结构地震易损性曲线，对比讨论4种结构地震易损性分析方法的结果，验证所提方法的正确性和可靠性。研究结果表明：相同计算精度条件下，所提桥梁结构地震易损性分析的核密度估计方

3、法具有较好的计算效率，可用于桥梁结构构件的地震易损性分析中。关键词：桥梁工程；桥梁结构；地震易损性分析；非参数估计；核密度估计；Bootstrap法；对比分析中图分类号：U448文献标志码：ASeismicVulnerabilityAnalysisofBridgeStructuresBasedonNonparametricKernelDensityEstimationSHANDe—shan，DONGJun，I．IQiao，XIEXiang—hui(SchoolofCivilEngineering，SouthwestJiaotongUniversity，Chengdu610

4、031，Sichuan，China)Abstract：Inallusiontotheshortcomingsofseismicvulnerabilityanalysismethodscommonlyusedinbridgestructures，analgorithmbasedonthekerneldensityestimationfortheseismicvulnerabilityanalysisofthebridgecomponentwasproposed．Basedonthebasicdefinitionoftheconditionalprobabilityforst

5、ructuralseismicvulnerability，thevulnerabilityfunctionwasredefined．Theassumptionthatthelognormaldistributionofthevulnerabilityconditionprobabilitywasdiscarded，andnoassumptionsweremadefortherelationshipbetweenseismicdemandandcapacityofthecomponentinbridgestructure．Inlightofthenonparametrice

6、stimationideaofthekerneldensityestimationintheprobabilisticstatisticdiscipline，theestimationofthejointprobabilitydensitydistributionfunctionfortheseismicintensity，seismicdemandandtheestimationoftheprobabilitydensityfunctionforthemarginaldistribution收稿日期：2017-04—03基金项目：国家重点基础研究发展计划(“九七三”计划

7、)项目(2013CB036300一2)；国家重点研发计划项目(2016YFC0802202)；国家自然科学基金项目(51678489)；四川I省科技计划项目(2016JY0130)作者简介：单德山(1969一)，男，四川大竹人，教授，博士研究生导师，工学博士，E—mail：dsshan@163．corn。72中国公路学报2017年0functionoftheseismicintensitywereachieved．Furthermore，thealgorithmofkerneldensityestimationforthese