摘要
接近断层的脉冲状地面运动会导致强度、持续时间和周期的耦合效应，这使得对多肋复合板结构进行非线性地震评估在计算上成本高昂且难以推广。为解决这一问题，通过拉丁超立方抽样，以汶川地震的地面运动数据为基础构建了一个包含4000个案例的OpenSees非线性时程分析数据库。同时，利用等效刚度、等效屈服强度、质量替代参数、需求-容量比、周期匹配比、归一化持续时间以及能量-容量替代参数，训练了一种基于力学信息的特征增强型深度神经网络（MIFE-DNN，最初在首次提交中被称为PE-DNN）。进一步地，通过多种子MIFE-DNN和残差学习器构建了经过验证权重调整的叠加替代模型。在独立测试集中，普通深度神经网络的平均预测值仅为0.9645，单个MIFE-DNN的预测值为0.9686，而叠加后的力学信息驱动替代模型的预测值则提升至0.9782；最大层间位移比的预测值则达到了0.9541。此外，还进行了16个主动学习型的OpenSees优化案例分析、在两个外部接近断层记录下的12次分析、3个域外参数案例分析、100次跨层测试，以及基于SHAP的解释分析和多EDP脆弱性后处理分析。这些测试表明，该替代模型在经校准的等效模型范围内可用于插值和筛选，但对于边界情况、域外情况以及不同配置下的分析，则需要重新使用OpenSees进行计算。参数重要性分析、SHAP分析以及脆弱性分析显示，峰值地面加速度、脉冲指数、周期匹配程度、肋条高度、肋条间距以及阻尼比是影响结构响应的关键因素，这说明基于力学信息的特征增强型替代模型为在所选定的结构和地面运动范围内进行MCSS响应预测及条件脆弱性评估提供了一种具有可解释性且高效的工具。
