基于模糊概率分析的印度金奈市地震微区划与抗震设计参数研究

针对高密度城市化区域抗震设计参数不确定性问题，印度学者K. Menaka等采用模糊概率地震危险性分析(FPSHA)与模糊场地响应分析(fuzzy-GRA)相结合的方法，建立了金奈市475年回归周期(UHS)的微区划图谱，获得地表峰值加速度(PGA)0.20-0.31g的空间分布规律，为兼顾偶然性与认知不确定性的抗震设计提供了新范式。

　　

随着全球城市化进程加速，高密度城市群面临的潜在地震风险日益凸显。印度金奈作为人口超千万的滨海大都市，地处构造断裂带交汇区，历史上曾多次遭遇中度地震威胁。传统抗震设计依赖确定性参数，难以处理地质数据模糊性、土壤参数不精确等认知不确定性(epistemic uncertainty)，而单纯概率方法又需海量数据支撑。这一矛盾使得现有微区划结果往往偏离实际地震响应，导致建筑结构要么过度设计造成浪费，要么防护不足埋下隐患。

印度理工学院马德拉斯分校的研究团队在《Soil Dynamics and Earthquake Engineering》发表创新性研究，首次将模糊集合理论与概率分析深度融合，开发出系统性模糊概率地震危险性分析(FPSHA)框架。通过构建11条与475年回归周期均匀危险谱(UHS)匹配的基岩加速度时程，结合模糊场地响应分析(fuzzy-GRA)，最终绘制出金奈市首套考虑双重不确定性的二维微区划图谱。研究发现城市地表PGA空间变异显著(0.20-0.31g)，核心区集中在0.25-0.27g区间，该结果较印度标准IS 1893-1更精确反映局部场地效应。

关键技术包括：1) 基于模糊推理规则建立衰减关系；2) 开发混合模糊-概率逻辑树处理地震活动性参数；3) 采用等效线性法进行场地响应分析；4) 通过模糊c均值聚类优化土壤参数分类；5) 使用谱匹配技术合成基岩输入运动。

【Fuzzy approach】
研究创新性地采用三角模糊数表征震级-频率关系b值、最大可信地震等关键参数，通过α截集运算将模糊集转化为概率分布区间。相比传统逻辑树，该方法更有效处理专家判断的主观模糊性。

【Seismicity of the study area】
历史地震数据表明，金奈周边200km范围内存在7条活动断裂，最大记录震级达M_w6.0。通过模糊德尔菲法整合多源数据，确定研究区地震复发模型符合截断指数分布。

【Methodology of seismic microzonation】
提出的FPSHA框架包含四步：1) 模糊化输入参数；2) 蒙特卡洛模拟概率地震动；3) 解模糊化输出危险曲线；4) 场地效应修正。特别开发了适用于印度东海岸的模糊衰减模型，其隶属函数涵盖震级、距离、场地类别的不确定性。

【Hazard analysis】
对比2475年与475年回归周期发现，长周期结构(>1s)的危险性增幅达40%，表明高层建筑需特殊考虑。获得的UHS与已有研究相比，短周期谱加速度降低15%-20%，印证了模糊方法可缓解传统PSHA的保守倾向。

【Summary and conclusions】
该研究首次实现三重突破：1) 建立可量化认知不确定性的FPSHA标准流程；2) 验证模糊-GRA能显著降低土壤参数敏感性；3) 提供金奈市首套包含峰值谱加速度与场地卓越周期的设计参数数据库。成果不仅为修订当地建筑规范提供依据，其方法论更适用于全球地震高风险城市的精细化抗震规划。

K. Menaka与G.R. Dodagoudar强调，该方法特别适合地质资料有限的发展中城市。未来可通过机器学习优化模糊规则库，并扩展至三维地下结构建模。这项研究标志着地震工程领域从确定性思维向不确定性管理的范式转变，为应对全球城市化与地震风险叠加挑战提供了创新解决方案。