简介：Housner谱烈度及修正谱烈度作为基于加速度记录时程直接得到的地震动强度参数,与建筑结构破坏及地震宏观烈度存在较高的相关性,是可靠的地震仪器烈度物理参数指标。然而,相对于地面加速度峰值、地面速度峰值等地震动峰值参数,三分量加速度记录对应的谱烈度计算过程较为复杂,耗时相对较长,影响了利用谱烈度确定地震仪器烈度的时效性。基于对强震动加速度记录的统计分析,本文提出了谱烈度的快速近似算法,仅计算4个方向上的谱烈度值,采用其中3点作圆即可获得水平面内谱烈度迹线的近似最大值,使计算速度提高了45倍,且保持了谱烈度作为地震仪器烈度物理指标的精度。利用在汶川MS8.0地震等386次MS>3.0地震中获取的2701组强震动加速度记录,经可靠性检验,结果表明所提出的Housner谱烈度快速近似算法的计算误差在±4.5%以内,可以同时满足地震仪器烈度速报的可靠性和时效性需求。

简介：显-隐式组合数值积分算法结合了显式算法无需迭代和隐式算法无条件稳定的各自优点,是结构抗震拟动力试验顺利运行的关键.在对传统显式中央差分法和隐式Newmarkβ组合算法进行参数修正的基础上,建立了修正CD-Newmark算法,考虑阻尼的影响分析了组合算法的稳定性条件、周期失真率和数值阻尼比,分别得到了试验子结构的稳定性条件和计算子结构无条件稳定的参数合理取值范围,并对计算精度进行了分析.通过算例分析验证了算法的数值特性,从而初步解决了CD-Newmark算法存在稳定性界限过严的问题,为结构抗震拟动力混合试验提供了研究参考.

简介：近年来各省级地震台网SEED文件数据量急增.在数据处理过程中,利用原有的串行解压缩算法批量解压缩地震波形数据时存在操作繁琐、耗时较长的问题.本文引入了MapReduce并行编程模型,根据该编程模型思想结合原有串行解压缩算法,提出了一种并行解压缩地震波形数据的算法,并给出了算法的设计与实现.本文从正确性、运行效率以及可扩展性三个方面进行了对比实验,验证了使用并行算法解压缩数据的效率较高,并且能够一次实现批量地震波形数据的解压缩,且操作简单.

简介：针对传统BP神经网络存在着容易陷入局部极小点、训练时间太长等缺点,本文采用基于浮点编码的遗传算法,对BP神经网络的初值空间进行了遗传优化。用基于浮点编码的遗传算法来优化BP神经网络的权值,可得到最佳初始权值矩阵,并按误差前向反馈算法,沿负梯度搜索进行网络学习。文中以混凝土重力坝结构作为算例,用结构的模态频率变化作为网络的输入向量,结构的损伤位置作为输出向量,对网络进行了训练。仿真结果表明：遗传BP神经网络的收敛和诊断能力优于传统BP神经网络,可有效地运用到大坝结构的健康诊断与损伤识别中。

简介：因为利用科里奥利力效应预报余震的方法是用断裂的旋性特征作为预测指标的，所以能在震前预测发生地震后的余震强度，该方法在烈度区划和震害预测中有一定的意义。将讨论在这方面的意义和科里奥利力效应预报强余震的具体方法和步骤。