基于Arias强度与逻辑回归的液化势评估新模型：扩展数据库与概率边界分析

《Soil Dynamics and Earthquake Engineering》：Assessing liquefaction potential using Arias intensity: a logistic regression approach with an updated database

本研究采用逻辑回归方法，结合扩展数据库（涵盖26次地震的230个钻孔数据），开发了基于Arias强度（Ih）和修正标准贯入试验值（(N1)60cs）的液化势评估模型。通过引入多项式函数和概率边界曲线（10%–90%液化概率），显著降低了误分类率，为岩土地震工程提供了更精准的机器学习分类工具。

　　

章节精选

数据库

本次更新的数据库整合了Idriss和Boulanger提供的数据，包含来自6个国家（美国、日本、中国、墨西哥、危地马拉和阿根廷）26次地震的230个钻孔详细信息。地震矩震级（M）范围从5.9到8.3，其中115个钻孔观察到液化现象。

方法

本研究旨在评估边界曲线在液化势判定中的有效性，具体目标包括：

1. 1.
   使用Kayen和Mitchell推荐的Arias强度预测公式，检验其边界曲线在Idriss和Boulanger数据集上的准确性；
2. 2.
   通过逻辑回归确定区分液化与非液化案例的最优边界曲线。

逻辑回归

逻辑回归是一种监督式机器学习算法，用于预测二分类结果（如是/否、液化/非液化）。其核心在于逻辑函数（S型函数），该函数将预测值映射到0至1之间，代表事件发生的概率。与线性回归不同，逻辑回归通过概率输出实现分类，特别适用于岩土工程中的风险分级。

结论

从Idriss和Boulanger数据集中提取的152个场地液化势，通过Arias强度和修正标准贯入试验值（(N₁)_60cs）进行评估。Arias强度采用Kayen和Mitchell的两个经验公式计算，并通过折减系数调整至特定深度。数据点与修正SPT值进行绘图后，逻辑回归模型生成的边界曲线显著提升了分类精度，尤其减少了非液化案例的误判。概率边界曲线进一步细化了液化可能性分级，凸显了Arias强度作为液化预测指标的可靠性。