| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 Introduction | 第16-51页 |
| 1.1 Approaches for the assessment of potential of liquefaction triggering | 第17-29页 |
| 1.1.1 Stress-based approaches | 第17-19页 |
| 1.1.2 Strain-based approaches | 第19页 |
| 1.1.3 energy-based approaches | 第19-29页 |
| 1.1.3.1 Approaches based on earthquake case histories | 第20-23页 |
| 1.1.3.2 Approaches based on the Arias Intensity | 第23-25页 |
| 1.1.3.3 Approaches based on laboratory test results | 第25-29页 |
| 1.2 Approaches for prediction of lateral displacement due to the liquefaction | 第29-33页 |
| 1.2.1 Review of Empirical and Semi-Empirical Models to Predict Lateral Displacement Dueto Liquefaction | 第30-33页 |
| 1.2.1.1 Newmark sliding block analysis | 第31-32页 |
| 1.2.1.2 Nonlinear analyses | 第32-33页 |
| 1.3 Cumulative Absolute Velocity | 第33-36页 |
| 1.3.1 Unpublished results | 第35-36页 |
| 1.4 Fine Content Critical Value | 第36-37页 |
| 1.5 Artificial Neural Network | 第37-39页 |
| 1.6 Response Surface Methodology | 第39-47页 |
| 1.6.1 Select of regression model function | 第40页 |
| 1.6.2 Design of experiment | 第40-43页 |
| 1.6.2.1 The concepts used in the design of experiments | 第41-43页 |
| 1.6.2.1.1 Variables | 第41页 |
| 1.6.2.1.2 Factor | 第41-42页 |
| 1.6.2.1.3 Levels | 第42页 |
| 1.6.2.1.4 Response | 第42页 |
| 1.6.2.1.5 Effect | 第42页 |
| 1.6.2.1.6 Interaction | 第42页 |
| 1.6.2.1.7 Optimization process | 第42-43页 |
| 1.6.3 Experimental design | 第43-45页 |
| 1.6.3.1 Central composite design | 第43-44页 |
| 1.6.3.1.1 Types of central composite design | 第43-44页 |
| 1.6.3.1.1.1 Circumscribed designs | 第43-44页 |
| 1.6.3.1.1.2 Face centred | 第44页 |
| 1.6.3.2 Box- Behnken design (BBD) | 第44页 |
| 1.6.3.3 Doehlert design | 第44-45页 |
| 1.6.4 RSM advantages | 第45页 |
| 1.6.5 RSM disadvantages | 第45页 |
| 1.6.6 Coding of the input variables | 第45-46页 |
| 1.6.7 Hypothesis Test | 第46-47页 |
| 1.7 Monte Carlo simulation and uncertainties | 第47-48页 |
| 1.8 Monte Carlo simulation using artificial neural network for parametric sensitivity analysisproposed in this study | 第48-49页 |
| 1.9 Organization of the Thesis | 第49-51页 |
| 2.A New Equation to Evaluate Liquefaction Triggering Using the Response Surface Methodand Parametric Sensitivity Analysis | 第51-86页 |
| 2.1 Introduction | 第51-53页 |
| 2.2 Case History Database | 第53-65页 |
| 2.2.1 Earthquake magnitude and peak accelerations | 第57-59页 |
| 2.2.2 The selection and measurement of qc1 Ncs values | 第59-60页 |
| 2.2.3 Moss landing state beach | 第60-61页 |
| 2.2.4 Wildlife liquefaction array | 第61-62页 |
| 2.2.5 Miller and Farris farms | 第62-63页 |
| 2.2.6 Malden Street | 第63页 |
| 2.2.7 The classification of site performance | 第63-65页 |
| 2.3 Proposed Model and Equation to Evaluate Liquefaction Triggering | 第65-66页 |
| 2.4. Results | 第66-75页 |
| 2.4.1 RSM Equation to Evaluate Liquefaction Triggering | 第67-68页 |
| 2.4.2 Sensitivity Analysis with the Monte Carlo Simulation Method | 第68-75页 |
| 2.5 Summary and Conclusions | 第75-86页 |
| 3. Energy Evaluation of Triggering Soil Liquefaction Based on the Response Surface Methodand Parametric Sensitivity Analyse | 第86-120页 |
| 3.1 Introduction | 第86-88页 |
| 3.2 The mechanisms of energy dissipation in sand | 第88-90页 |
| 3.2.1 Hysteresis loops | 第88-89页 |
| 3.2.2 Equal linearization and damping ratios | 第89-90页 |
| 3.2.3 The use of dissipated energy to quantify capacity | 第90页 |
| 3.3 Databases and artificial neural network models | 第90-104页 |
| 3.3.1 First artificial neural network mode | 第102-103页 |
| 3.3.2 Second artificial neural network mode | 第103-104页 |
| 3.4 The RSM Equations | 第104-106页 |
| 3.5 Comparison of the predicted capacity energy liquefaction by the RSM equations andexisting model | 第106-109页 |
| 3.6 Comparison of the predicted capacity energy liquefaction by the ANN models andexisting models | 第109-114页 |
| 3.7 Sensitivity analysis | 第114-117页 |
| 3.8 Summary and Conclusion | 第117-120页 |
| 4. New Equations to Evaluate Lateral Displacement Caused by Liquefaction Using theResponse Surface Method and Parametric Sensitivity Analysis | 第120-154页 |
| 4.1 Introduction | 第120-122页 |
| 4.2 Patterns of Lateral displacement deformation | 第122页 |
| 4.3 Models for lateral displacement measurement | 第122-123页 |
| 4.4 Dataset | 第123-137页 |
| 4.5 Artificial Neural Network Models | 第137-141页 |
| 4.5.1 Comparison of ANN models with Extra Model | 第139-141页 |
| 4.6 The RSM Equations for Predicting DH | 第141-146页 |
| 4.6.1 Comparison of RSM Equations with Extra Models | 第143-146页 |
| 4.7 Sensitivity Analysis | 第146-148页 |
| 4.8 Results and Discussion | 第148-151页 |
| 4.9 Summary and Conclusions | 第151-154页 |
| 5. Conclusions and Prospects | 第154-157页 |
| 5.1 Conclusions | 第154-155页 |
| 5.2 Innovation Points | 第155-156页 |
| 5.3 Outlook | 第156-157页 |
| References | 第157-168页 |
| Appendix A | 第168-169页 |
| Appendix B | 第169-170页 |
| Appendix C | 第170-171页 |
| Appendix D | 第171-172页 |
| Appendix E | 第172-173页 |
| Research Projects and Publications During PhD Period | 第173-175页 |
| Acknowledgement | 第175-176页 |
| Curriculum Vitae | 第176页 |
