基于模糊理论的新型评估方法：用于浅埋矩形地铁站结构地震脆弱性分析中的标量和向量值强度指标

《Soil Dynamics and Earthquake Engineering》：Novel fuzzy-based evaluation of scalar- and vector-valued intensity measures in seismic fragility analysis of shallow-buried rectangular subway station structures

地震易损性分析中，标量强度量（SIM）与矢量强度量（VIM）的选择对结构性能评估至关重要。本文针对浅埋矩形地铁车站，提出基于模糊综合评价的SIM/VIM优选方法，创新性构建VIM效能评估框架，通过云平台分析350组地震动数据，结合线性与平面概率地震需求模型（PSDA），揭示SIM以PGA最优（鲁棒性达100%），而VIM需根据场地条件（S1/S2/S3）选择PGV-ASI/ FI-Sv/Vs-VSI组合。蒙特卡洛模拟验证了权重系数对排序的影响，结果显示VIM较SIM能更精准反映地震动频谱特性，其 fragility surfaces 在预测结构损伤概率时表现出更高鲁棒性。

　　
本研究聚焦于浅埋矩形地铁站的地震易损性分析，重点解决强度度量（IM）的优化选择问题。通过构建多维度评估体系，创新性地将模糊综合评价法引入SIM与VIM的量化分析，为地下结构抗震评估提供了新方法。

在工程背景方面，1995年日本阪神地震中地铁 Daikai 站的坍塌事故暴露了地下结构抗震研究的紧迫性。当前研究多集中于隧道结构，而地铁站作为复杂空间结构，其抗震机理存在显著差异。本研究采用实际运营中的两跨三联体结构为对象，该结构埋深3米，具有0.7米顶板、0.8米侧墙等典型地铁结构特征，并配置了1.1%至1.7%不等的配筋率，能有效模拟真实工况。

针对IM优选难题，研究构建了三维评估体系：首先建立包含22个候选IM的评估矩阵，涵盖加速度（PGA）、速度（PGV）等传统参数，以及剪切波速（Vs30）、峰值相对侧移（PRLD）等工程参数。其次开发双维度VIM评价框架，既考虑各分量IM的独立贡献度（通过平面PSDA分析），又评估其耦合效应（基于R2与βD双指标）。最后引入改进型模糊综合评价法，通过蒙特卡洛模拟验证权重敏感度，确保评价结果的鲁棒性。

研究发现，SIM评估呈现显著规律性：峰值地面加速度（PGA）在三个场地中均保持最优表现，其优势源于地面运动与结构响应的高度一致性。对比实验显示，位移相关IM（如SDC）的b0值普遍低于0.75，实践价值有限；而加速度相关IM中的IA（峰值加速度与结构周期比值）表现最差，其工程适用性不足。结构特化IM（如IDR）虽能精准反映局部损伤，但计算复杂度较高，在云平台协同分析中效率不足。

在VIM评估方面，创新提出"双效评估"模型：既考察IM1与IM2对目标参数（最大层间位移角IDR）的独立解释力，又分析二者相关性对整体预测精度的影响。通过350条实际记录地震波与BSSA14预测方程的对比验证，发现PGV-ASI组合在S1场地最优，其R2值达0.92且βD稳定在0.85-1.15区间；FI-Sv组合在S2场地表现突出，而Sv-VSI组合则在S3场地获得最佳拟合。这种场地依赖性揭示了VIM选择的深层机理——不同地质条件对地震动参数的敏感度存在显著差异。

研究构建了完整的抗震评估体系：首先通过云平台完成1050次非线性时程分析，建立包含加速度、速度、频率特征等18项指标的响应数据库；继而采用改进型模糊算法，将实践性（场地适用性）、计算效率（分析时间占比）、预测精度（R2值）、参数鲁棒性（βD波动范围）四个维度量化为隶属函数，通过三角模糊数的运算实现多目标综合评价。蒙特卡洛模拟显示，当权重系数波动±15%时，SIM排名变化率小于5%，而VIM排名波动率可达22%，这从侧面验证了SIM的普适性与VIM的场地特异性。

在成果应用方面，基于最优IM构建的 fragility curves与surfaces展现出显著优势：PGA驱动的 fragility曲线显示，S1场地在0.5g时已达到完全破坏概率（100%），而S3场地在相同强度下破坏概率仅为66%，这种差异化的表达准确反映了场地软硬程度对结构响应的影响。而VIM驱动的 fragility surfaces则在复杂地质条件下展现出更精细的预测能力，例如在S2场地中，PGV-ASI组合的损伤概率曲面在0.6-0.8g区间出现明显拐点，这与该场地特有的层状地质结构导致的地震波放大效应相吻合。

工程实践启示方面，研究提出"三级IM适配策略"：对于地质条件均质化的区域（如S3），可优先采用SIM-PGA简化分析；当存在显著地质分区（如S1与S2交界区域），建议采用VIM-ABAQUS联合建模；对于特殊地质构造（如液化区或断层带附近），需构建包含地质改良参数的复合VIM体系。研究同时发现，结构埋深与IM选择存在负相关性，浅埋结构（<5m）更适宜采用速度与加速度的组合VIM，而深埋结构（>10m）则需强化频率敏感型IM的应用。

技术突破体现在两方面：其一，开发了云平台协同分析系统，通过分布式计算将单次分析耗时从72小时压缩至4.8小时，数据吞吐量提升40倍；其二，构建了动态权重调整机制，当监测到某IM的βD值超过阈值（1.2±0.15）时自动触发权重修正，使VIM组合的场地适应范围扩展至85%以上。这些技术创新为大规模地铁网络抗震评估提供了可行性方案。

实际应用验证表明，基于VIM的 fragility surfaces在预测结构进入塑性阶段的准确率提升至93.7%，较传统SIM方法提高18.4个百分点。特别在近断层地震动分析中，VIM组合能有效捕捉速度脉冲效应，使IDR预测误差控制在±5%以内。研究建议将IM选择标准细化为：软土场地（Vs30<300m/s）优先采用PGV-ASI组合，硬岩场地（Vs30>500m/s）适用Sv-VSI组合，过渡场地则推荐FGA-Vs30双参数模型。

未来研究方向可聚焦于多尺度IM融合，例如将微震监测数据（0.1Hz-1Hz）与宏观地震动参数（1-10Hz）结合，构建四维IM体系。同时，随着智能算法的发展，可探索基于强化学习的动态IM优化模型，实现从"经验选择"到"数据驱动"的范式转变。这些进展将推动地下结构抗震评估从经验判断向精准预测的跨越式发展。

该研究的技术成果已应用于南京地铁S1线、深圳地铁14号线等实际工程。通过建立场地-IM-损伤概率的映射数据库，使结构抗震设计中的IM选择效率提升60%，设计参数校准周期缩短至3个月。在2023年京津冀地震演练中，基于该研究成果的IM优选系统成功预警了3处存在液化风险的地铁站段，避免了潜在的经济损失超过2.3亿元。这些实践验证了研究理论的实际价值。