《Underground Space》：Optimal Selection and Combination of Seismic Intensity Measures for Shallow Shield Tunnels Considering Multicollinearity
编辑推荐：
多元回归模型结合多个地震动强度指标（IMs）能够有效表征隧道的震害。然而，IMs之间的多重共线性阻碍了其合理选取及模型的精确建立。本研究从概率和力学两个角度分析了隧道损伤的分布模式。提出了一套名为LTP（Lasso-TOPSIS筛选结合偏最小二乘回归）的方法体
多元回归模型结合多个地震动强度指标（IMs）能够有效表征隧道的震害。然而，IMs之间的多重共线性阻碍了其合理选取及模型的精确建立。本研究从概率和力学两个角度分析了隧道损伤的分布模式。提出了一套名为LTP（Lasso-TOPSIS筛选结合偏最小二乘回归）的方法体系，用于浅埋软土盾构隧道中IMs的选取与组合优化，同时解决了多重共线性问题。研究进一步构建了相应的包含多个IMs的易损性分析方法，从而将易损性分析从单一参数扩展至多参数。结果表明，在横向地震荷载作用下，隧道拱肩和拱脚区域最易发生严重破坏。随着损伤状态的升级，最严重损伤位置的分布模式由集中变为分散。采用LTP方法建立的多元模型比传统的单变量线性模型展现出更优的拟合性能，并在使用6-8个IMs时达到最佳拟合。易损性分析表明，由于初始应力的存在，即使是低强度地震动也能诱发隧道的轻微损伤。基于多变量的易损性曲线比单变量易损性曲线具有更高的预测精度和损伤概率。地震动强度不确定性的影响随损伤严重程度的增加而减小。该方法是在浅埋盾构隧道的基础上开发和验证的。其对其他埋深、地质条件和隧道类型的适用性需要通过更多案例研究进一步验证。这项工作为IMs选取和易损性评估提供了一种新的方法论和分析框架。
论文解读文章
1. 研究背景与现存问题
隧道作为现代交通系统的关键组成部分，在地震作用下易遭受破坏，可能导致重大人员伤亡和经济损失。因此，发展隧道地震响应模型以预测潜在震害并进行风险评估是隧道工程领域的关键挑战。隧道结构的抗震响应受地震动强度控制，选取合适的地震动强度指标（Intensity Measures, IMs）对于降低模型拟合误差和提高预测精度至关重要。这是隧道工程震害预测研究的核心问题之一。
在以往的研究和现有抗震设计规范中，峰值地面加速度（Peak Ground Acceleration, PGA）被广泛用作预测隧道损伤和进行易损性分析的主要强度指标。然而，隧道的抗震响应还受到场地条件、埋深等多种因素影响，这使得PGA在所有场景下的适用性受限。一些研究表明，对于软土中的隧道，PGA在浅埋时是最优IM，而峰值地面速度（Peak Ground Velocity, PGV）在中、深埋时表现更佳。最优IM也因不同场地条件而异。
现有的最优IM选择通常基于单个IM与工程需求参数（Engineering Demand Parameter, EDP）之间的单变量线性回归模型，缺乏系统的多指标决策机制。尽管有研究引入了模糊综合评价法，但其权重确定仍依赖主观判断。更重要的是，单一的IM不足以表征地震动的所有特征或准确评估IMs与结构损伤的相关性。使用由多个IMs组合而成的复合IM可以缓解这一局限性，但复合IM本身可能放大拟合误差。相比之下，直接用多个IMs与EDP建立多元回归模型能增强相关性并减少易损性计算误差。然而，以往的研究往往简单地选取少数在单变量回归中拟合优度高的IMs来构建多元模型，并未验证这种组合在拟合和预测能力上是否真正最优。针对IMs的最优选取和组合的系统性方法论尚不成熟。此外，IMs之间存在的高相关性会引发多重共线性问题，在使用传统最小二乘法回归时，会导致显著的参数估计偏差，降低分析可靠性。同时，现有的易损性研究大多依赖于“直线法”生成易损性曲线，这间接限制了模型中可纳入的IM数量。
综上所述，亟需新的回归算法来处理IMs间的多重共线性，需要发展系统性的最优IMs选取与组合方法论，并且需要进一步发展能够纳入多个IMs的易损性分析方法。
2. 研究方法与技术路线
为应对上述挑战，研究人员提出了一套名为LTP（Lasso-TOPSIS筛选结合偏最小二乘回归）的系统性方法体系，用于解决隧道地震分析中IMs的多重共线性和最优组合选取问题。该方法整合了多种关键技术：
- •
多重共线性分析与回归算法对比：首先，利用皮尔逊相关系数（Pearson correlation coefficient）量化IMs之间的共线性程度。在此基础上，对比了三种回归算法：普通最小二乘法（Ordinary Least Squares, OLS）、偏最小二乘回归（Partial Least Squares Regression, PLSR）和Lasso回归，以确定最适合处理多重共线性的回归算法。
- •
变量筛选方法：比较了两种变量筛选方法：偏最小二乘变量投影法（Partial least squares Variable projection Method, PVM）和Lasso惩罚系数法（Lasso Penalty coefficient Method, LPM）。
- •
综合决策机制：引入熵权TOPSIS方法，对不同的IMs组合方案进行客观、全面的评价。
- •
多参数地震易损性分析方法：基于最大似然估计（Maximum Likelihood Estimation, MLE）提出了一种多参数地震易损性分析方法，将易损性分析从单一参数扩展到多参数。
研究中，研究人员构建了一个隧道有限元模型，并使用226条天然地震动记录进行了地震模拟，以识别最严重的损伤位置并分析其力学特性。
3. 研究结果
- •
损伤分布模式：在横向地震荷载作用下，隧道拱肩和拱脚区域最容易发生严重破坏。随着损伤状态（Damage State）的加剧，最严重损伤位置的分布模式从集中变为分散。
- •
回归算法与变量筛选：通过共线性分析和三种回归算法的比较，确定了最适合的回归算法。通过对PVM和LPM两种变量筛选方法的比较，并结合熵权TOPSIS方法，最终形成了LTP方法体系。
- •
多元模型性能：采用LTP方法建立的多元模型比传统的单变量线性模型展现出更优越的拟合性能。研究发现，当模型包含6-8个IMs时，可以达到最佳的拟合效果。
- •
易损性分析：基于多变量的易损性分析揭示了几个重要发现：
- •
由于初始应力的存在，即使是低强度的地震动也可能导致隧道产生轻微损伤。
- •
基于多变量的易损性曲线比基于单变量的易损性曲线具有更高的预测精度和损伤概率。
- •
地震动强度不确定性对损伤概率的影响随着损伤严重程度的增加而减小。
4. 讨论与结论
讨论部分总结：LTP方法建立了一个完整且可复现的方法论框架，解决了隧道地震分析中IMs的多重共线性和最优组合选取问题。该框架实现了稳定模型拟合、客观IMs筛选和组合方案综合评估的有机整合，这是任何单一现有方法都无法独立完成的完整分析流程。LTP方法将评估对象从单一IM扩展到多个IM的组合，克服了单变量线性回归框架的局限性。其评价标准基于实际数据建立，避免了主观判断的限制。该方法论框架理论上具有迁移到其他条件的潜力。然而，在不同地质和隧道条件下，IMs的敏感性可能会发生变化，因此其适用性需要进一步的验证。
研究结论翻译：本研究提出了一个名为LTP（Lasso-TOPSIS筛选结合偏最小二乘回归）的方法体系，用于浅埋软土盾构隧道中地震动强度指标（IMs）的选取与组合优化，同时解决了多重共线性问题。研究结果表明，多元模型比单变量模型具有更好的拟合性能。基于多参数的易损性曲线比单参数曲线具有更高的预测精度和损伤概率。这项工作为IMs选取和易损性评估提供了一种新的方法论和分析框架。
