基于时域随机地震动模型的地震动加速度时程模拟
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第10-23页 |
| 1.1 概述 | 第10页 |
| 1.2 地震动模型研究概况 | 第10-17页 |
| 1.2.1 地震学模型 | 第11-12页 |
| 1.2.2 调制功率谱模型 | 第12-15页 |
| 1.2.3 调幅过滤白噪声地震动模型 | 第15页 |
| 1.2.4 自回归滑动平均模型 | 第15-16页 |
| 1.2.5 机器学习模型 | 第16页 |
| 1.2.6 小波/小波包分析 | 第16-17页 |
| 1.3 地震动衰减关系研究概况 | 第17-20页 |
| 1.3.1 传统回归分析 | 第18页 |
| 1.3.2 贝叶斯回归分析模型 | 第18-19页 |
| 1.3.3 人工神经网络模型 | 第19页 |
| 1.3.4 支持向量机模型 | 第19-20页 |
| 1.3.5 贝叶斯网络模型 | 第20页 |
| 1.3.6 高斯过程回归模型 | 第20页 |
| 1.4 技术路线和主要工作 | 第20-23页 |
| 第二章 地震动数据 | 第23-35页 |
| 2.1 概述 | 第23页 |
| 2.2 地震动数据来源 | 第23-25页 |
| 2.2.1 NGA-West2地震动数据库介绍 | 第23-24页 |
| 2.2.2 国家地震科学数据共享中心介绍 | 第24-25页 |
| 2.3 本文所用地震动数据 | 第25-34页 |
| 2.3.1 地震动加速度时程数据校正 | 第25-27页 |
| 2.3.2 地震动时程数据截取 | 第27-30页 |
| 2.3.3 地震动数据汇总 | 第30-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 调幅过滤白噪声地震动模型 | 第35-58页 |
| 3.1 概述 | 第35页 |
| 3.2 调幅过滤白噪声地震动模型 | 第35-37页 |
| 3.3 调幅过滤白噪声地震动模型参数识别方法 | 第37-40页 |
| 3.3.1 调制函数参数识别 | 第37-38页 |
| 3.3.2 滤波函数参数识别 | 第38页 |
| 3.3.3 阻尼函数参数识别 | 第38-40页 |
| 3.4 地震动加速度时程模拟算例 | 第40-56页 |
| 3.5 本章小结 | 第56-58页 |
| 第四章 地震动衰减关系 | 第58-74页 |
| 4.1 概述 | 第58页 |
| 4.2 基于贝叶斯推理的地震动衰减关系 | 第58-67页 |
| 4.2.1 贝叶斯线性回归分析 | 第59-61页 |
| 4.2.2 贝叶斯网络 | 第61-64页 |
| 4.2.3 高斯过程回归 | 第64-67页 |
| 4.3 基于交叉验证的模型选择 | 第67-73页 |
| 4.3.1 交叉验证分析 | 第67-70页 |
| 4.3.2 最优模型结果分析 | 第70-73页 |
| 4.4 本章小结 | 第73-74页 |
| 第五章 给定地震场景下的地震动加速度时程模拟 | 第74-87页 |
| 5.1 概述 | 第74页 |
| 5.2 时域随机地震动模型 | 第74-76页 |
| 5.3 地震动加速度时程模拟结果 | 第76-86页 |
| 5.4 本章小结 | 第86-87页 |
| 结束语 | 第87-89页 |
| 本文工作总结 | 第87-89页 |
| 主要工作 | 第87页 |
| 主要成果 | 第87-88页 |
| 进一步研究方向 | 第88-89页 |
| 参考文献 | 第89-95页 |
| 攻读硕士学位期间取得的研究成果 | 第95-96页 |
| 致谢 | 第96-97页 |
| 附件 | 第97页 |
