基于DMT的液化触发程序考虑细粒含量效应的概率化评估与工程应用

本研究针对2023年土耳其卡赫拉曼马拉什地震引发的广泛液化灾害，创新性地将LPI（液化势指数）与K-Means聚类、机器学习优化相结合，构建了基于性能设计（PBD）的概率化液化脆弱性模型，为地震-土-结构相互作用系统风险评估提供了数据驱动的决策框架。

　　

2023年2月6日，土耳其卡赫拉曼马拉什发生的双主震地震序列造成了毁灭性后果——超过5万人遇难，26万栋建筑损毁，其中土壤液化现象在伊斯肯德伦等沿海地区引发了大规模地面沉降和建筑倾斜。令人深思的是，尽管液化机理研究已开展数十年，现有评估方法仍难以准确预测液化对建筑基础的实际破坏程度。这种理论与实践的脱节，在近年来的新西兰基督城、意大利艾米利亚等地震中反复被印证，暴露出传统阈值法（如LPI>15即判定高风险）在应对复杂场地条件时的局限性。

为此，研究人员在《Soil Dynamics and Earthquake Engineering》发表的研究中，开创性地将人工智能算法引入液化评估领域。他们以伊斯肯德伦地区43个液化损伤案例为样本，通过整合地质勘探数据、强震记录和一维场地响应分析，构建了首个融合机器学习优化的概率脆弱性模型。这项研究的技术路线包含四大创新支柱：首先采用K-Means聚类对LPI值进行无监督分类，突破传统阈值的主观性；继而通过算法优化建立LPI与损伤严重指数（DSI）的非线性映射；再结合概率论量化不同地震场景下的损伤超越概率；最终将输出结果嵌入性能化设计（PBD）框架，实现了从"经验判断"到"数据驱动"的范式转变。

2023年卡赫拉曼马拉什地震与伊斯肯德伦土壤失效相关的结构性能
研究区域的地质勘察显示，伊斯肯德伦的冲积层富含饱和砂土与粉质粘土互层，地下水位普遍在2米以内。地震动记录显示PGA（峰值地面加速度）在0.3-0.5g区间时，浅层土壤出现显著放大效应，这与该地区广泛观测到的喷砂冒水现象高度吻合。

结果与讨论
通过K-Means聚类将LPI划分为三个损伤等级：5<>25（严重）。机器学习优化后的模型显示，当LPI=18时建筑倾斜概率达50%，较传统方法提前预警11%。特别值得注意的是，细粒含量>15%的土层虽能抑制喷砂，却会加剧差异沉降——这一发现修正了现行规范对粉土液化潜势的低估。

结论
该研究证实，结合CRR（循环抗力比）和CSR（循环应力比）的概率化LPI评估框架，能将建筑损伤预测准确率提升37%。所建立的脆弱性曲线揭示：在PGA=0.4g条件下，伊斯肯德伦滨海区建筑发生严重倾斜的概率高达62%，远超内陆区域（23%）。这些成果为修订土耳其抗震规范（TSC-2018）提供了实证依据，其机器学习辅助决策的方法论更可推广至全球其他液化高发区。

这项研究的突破性价值在于：首次实现液化损伤预测从"确定性阈值"向"概率云图"的跨越，通过LPI-DSI的量化关联，使工程师能直观评估不同抗震设防标准的经济性权衡。正如论文强调的，当灾害防治进入"智慧减灾"时代，融合地质大数据与人工智能的混合方法，将成为破解土-结构相互作用难题的新钥匙。