CN113268852B - 一种基于蒙特卡洛模拟的地震滑坡概率危险性分析方法 - Google Patents

一种基于蒙特卡洛模拟的地震滑坡概率危险性分析方法 Download PDF

Info

Publication number
CN113268852B
CN113268852B CN202110399437.7A CN202110399437A CN113268852B CN 113268852 B CN113268852 B CN 113268852B CN 202110399437 A CN202110399437 A CN 202110399437A CN 113268852 B CN113268852 B CN 113268852B
Authority
CN
China
Prior art keywords
earthquake
slope
monte carlo
seismic
carlo simulation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110399437.7A
Other languages
English (en)
Other versions
CN113268852A (zh
Inventor
程印
王建锋
杨玉萍
袁冉
张迎宾
余海洪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202110399437.7A priority Critical patent/CN113268852B/zh
Publication of CN113268852A publication Critical patent/CN113268852A/zh
Application granted granted Critical
Publication of CN113268852B publication Critical patent/CN113268852B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Human Resources & Organizations (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Strategic Management (AREA)
  • Databases & Information Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Geophysics And Detection Of Objects (AREA)
  • Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于蒙特卡洛模拟的地震滑坡概率危险性分析方法，通过对目标场地潜在的所有震源(断层、面源等)进行蒙特卡洛模拟，得到更符合真实的数十年、数百年的地震分布(即M、R分布)，更加直观量化地震情景；同时利用地震动参数间的相关性模型，模拟同一个地震场景中某一场地有相关性特征的地震动强度参数，该组地震动参数能够更加真实的反应地震动参数在某一场地实际发生情况；最终，可以获得场地不同滑坡风险(高风险、中风险和低风险)发生的概率，能够给予抗震设计者或政府风险管理者充分分析判断的资料。

Description

一种基于蒙特卡洛模拟的地震滑坡概率危险性分析方法
技术领域
本发明属于地震滑坡概率危险性分析技术领域，特别是涉及一种基于蒙特卡洛模拟的地震滑坡概率危险性分析方法。
背景技术
地震诱发的滑坡往往会对交通沿线的道路、铁路及其他基础建筑造成严重危害，同时也可能导致重大人员伤亡和财产损失。川藏铁路对国家长治久安和西藏经济社会发展具有重大而深远的意义，其穿越鲜水河断裂带、甘孜-玉树理塘断裂带和巴塘断裂带等多条有历史大地震发生的断裂带。断裂带上及其附近地震发生率较高，存在严重地震诱发滑坡风险，因此，需要对地震滑坡灾害进行区域危险性评估。区域地震滑坡危险性分析是指潜在地震情况下，分析其地震诱发滑坡的空间分布概率，提供滑坡具体的位置、体量等危险性描述要素。当前进行区域地震滑坡危险性分析的主要步骤为：边坡参数信息获取、Newmark边坡永久位移预测模型建立和区域地震滑坡危险性评价。其中进行区域地震滑坡危险性评价时，目前专家主要假定某一确定的地震情景(即确定震级M及震距R)，通过地震动衰减关系求取地震动强度参数预测平均值，将其带入Newmark边坡永久位移预测模型，计算滑坡永久位移预测值，对不同滑坡的永久位移值进行分类(分为高风险、中风险和低风险地区)。然而，假设的地震情况比较依赖专家的“主观判断”，不能反映出大多数地震情况的结果，同时使用多个地震动衰减关系求得的地震动强度参数并不符合现实中强度参数之间相关性的情况。
发明内容
为了克服上述问题，本发明提供了一种基于蒙特卡洛模拟的地震滑坡概率危险性分析方法，通过对目标场地潜在的所有震源(断层、面源等)进行蒙特卡洛模拟，得到更符合真实的数十年、数百年的地震分布(即M、R分布)，更加直观量化地震情景；同时利用地震动参数间的相关性模型，模拟同一个地震场景中某一场地有相关性特征的地震动强度参数，该组地震动参数能够更加真实的反应地震动参数在某一场地实际发生情况；最终，可以获得场地不同滑坡风险(高风险、中风险和低风险)发生的概率，能够给予抗震设计者或政府风险管理者充分分析判断的资料。
本发明所采用的技术方案是：
一种基于蒙特卡洛模拟的地震滑坡概率危险性分析方法，包括以下步骤：
步骤一：针对具体边坡场地，对地质条件和潜在震源进行调查，梳理出可能对场地有影响的震源信息，如震级-频度关系；确定目标边坡的基本信息，包括水重度、坡角、土体有效内摩擦角、地下水位系数；
步骤二：利用步骤一中所确定的边坡基本信息，利用公式计算出相应的边坡临界加速度ac，其中
Figure GDA0003419096950000021
ac为边坡临界加速度值，c'为土体有效粘聚力，γ为土体重度，γw为水重度，α为坡角，
Figure GDA0003419096950000022
为土体有效内摩擦角，m为地下水位系数，t为滑坡表面垂直于滑动面的高度；
步骤三：利用步骤一中所确定的所有震源的震源信息，如震级-频度关系，用蒙特卡洛方法模拟在一定时期内，如1000年的地震目录；该地震目录包括地震的震级大小和地震的位置；
步骤四：确定所需要的边坡永久位移预测方程，找出预测方程中运用的地震动参数，如PGA、PGV等；针对这些地震动参数，确定地震动参数的相关性模型；
步骤五：针对步骤三生成的地震目录中每一次地震，计算边坡到模拟地震的距离，即震距,基于场地条件、震级大小、地震类型(走滑、正断层或逆断层等)等地震信息，利用地震动预测方程计算出步骤四中所确定的一组地震动参数的均值；利用步骤四中所确定的相关性模型，模拟出一次假设地震作用下，边坡所在场地上的具有互相关性特征的地震动参数的残差；
步骤六：计算步骤五所模拟的一组地震动参数的均值和残差之和，得出随机模拟的一组具有相关性的地震动参数值；
步骤七：把步骤六中所模拟的地震动参数值与该假设地震的地震震级，代入步骤四所确定的边坡永久位移预测方程，求出相应的地震边坡永久位移均值，并且利用边坡永久位移预测方程中的方差，随机模拟相应的边坡永久位移残差；最后，把所求出的均值和残差相加，最终，计算出一次假想地震所造成的指定边坡的永久位移估计值；
步骤八：重复步骤五-步骤七，针对地震目录中的每一次地震，随机模拟出相应的每一次地震的指定边坡永久位移估计值；
步骤九：对步骤八求得的永久位移值进行统计，最终求得该边坡不同永久位移值的危险性曲线(即不同永久位移值发生的概率)。
本发明的优点如下：
1、该技术方案通过蒙特卡洛的模拟方法，可以模拟出每一次假想地震的地震动强度情况，求出相应的地震边坡位移估值，使地震边坡危险性分析更直观、展示更加清晰，便于政府管理人员理解；
2、该技术方案进行地震边坡概率危险性分析时，使用蒙特卡洛模拟的方法考虑了地震动强度参数的相关性，模拟出的指定边坡场地处的地震动强度参数具有相关性，符合地震动的真实情况，这些地震动强度参数应用于相应的地震滑坡永久位移预测模型，使得计算出的地震危险性结果更加准确。
附图说明
图1为本发明所述一种基于蒙特卡洛模拟的地震滑坡概率危险性分析方法的实施例1边坡示意图；
图2为本发明所述一种基于蒙特卡洛模拟的地震滑坡概率危险性分析方法的实施例1地震目录分布图；
图3为本发明所述一种基于蒙特卡洛模拟的地震滑坡概率危险性分析方法的实施例1危险性曲线图；
具体实施方式
下面对本发明作进一步的说明，但本发明并不局限于这些内容。
实施例1
边坡地质信息如下，c'＝10kPa，
Figure GDA0003419096950000041
γ＝20kN/m3，γw＝10kN/m3，α＝30°，t＝2m，m＝0.2如图1。
调查得该边坡与震源之间的距离R＝30km，该震源产生地震震级为M(5≤M<7)，该地区满足震级-频度关系式为公式(2)(其中λM为震级大于M超越比率)。
通过蒙特卡洛模拟1000次100年，模拟得地震目录如图2。
使用公式(1)计算边坡临界加速度值ac＝0.1135g，边坡永久位移预测模型为公式(3),采用不同地震动衰减关系(公式(4)-(5)),PGA与PGV相关性系数为0.733，计算出的PGA和PGV代入永久位移预测方程，最终获得永久位移模型预测值，整合所有模拟位移值，得到危险性曲线如图3。
Figure GDA0003419096950000042
lgλM＝1-0.83M (2)
ln(D)＝-4.58(ac/PGA)-20.84(ac/PGA)2+44.75(ac/PGA)3
-30.5(ac/PGA)4-0.64ln(PGA)+1.55ln(PGV)-1.56 (3)
σlnD＝0.41+0.52(ac/PGA)
Figure GDA0003419096950000051
Figure GDA0003419096950000052
指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (7)

1.一种基于蒙特卡洛模拟的地震滑坡概率危险性分析方法，其特征在于：包括以下步骤：
步骤一：针对具体边坡场地，对地质条件和潜在震源进行调查，梳理出可能对场地有影响的震源信息；确定目标边坡的基本信息，包括水重度、坡角、土体有效内摩擦角、地下水位系数；
步骤二：利用步骤一中所确定的边坡基本信息，利用公式计算出相应的边坡临界加速度ac；
步骤三：利用步骤一中所确定的所有震源的震源信息，用蒙特卡洛方法模拟在一定时期内的地震目录；该地震目录包括地震的震级大小和地震的位置；
步骤四：确定所需要的边坡永久位移预测方程，找出预测方程中运用的地震动参数；针对这些地震动参数，确定地震动参数的相关性模型；
步骤五：针对步骤三生成的地震目录中每一次地震，计算边坡到模拟地震的距离，即震距,基于地震信息，利用地震动预测方程计算出步骤四中所确定的一组地震动参数的均值；利用步骤四中所确定的相关性模型，模拟出一次假设地震作用下，边坡所在场地上的具有互相关性特征的地震动参数的残差；
步骤六：计算步骤五所模拟的一组地震动参数的均值和残差之和，得出随机模拟的一组具有相关性的地震动参数值；
步骤七：把步骤六中所模拟的地震动参数值与该假设地震的地震震级，代入步骤四所确定的边坡永久位移预测方程，求出相应的地震边坡永久位移均值，并且利用边坡永久位移预测方程中的方差，随机模拟相应的边坡永久位移残差；最后，把所求出的均值和残差相加，最终，计算出一次假想地震所造成的指定边坡的永久位移估计值；
步骤八：重复步骤五-步骤七，针对地震目录中的每一次地震，随机模拟出相应的每一次地震的指定边坡永久位移估计值；
步骤九：对步骤八求得的永久位移值进行统计，最终求得该边坡不同永久位移值的危险性曲线。
2.根据权利要求1所述的一种基于蒙特卡洛模拟的地震滑坡概率危险性分析方法，其特征在于：所述的步骤一和步骤三中震源信息包括震级-频度关系。
3.根据权利要求1所述的一种基于蒙特卡洛模拟的地震滑坡概率危险性分析方法，其特征在于：所述的步骤二中公式为
Figure FDA0003419096940000021
ac为边坡临界加速度值，c'为土体有效粘聚力，γ为土体重度，γw为水重度，α为坡角，
Figure FDA0003419096940000022
为土体有效内摩擦角，m为地下水位系数，t为滑坡表面垂直于滑动面的高度。
4.根据权利要求1所述的一种基于蒙特卡洛模拟的地震滑坡概率危险性分析方法，其特征在于：所述的步骤三中地震目录为1000年。
5.根据权利要求1所述的一种基于蒙特卡洛模拟的地震滑坡概率危险性分析方法，其特征在于：所述的步骤四中地震动参数包括PGA、PGV。
6.根据权利要求1所述的一种基于蒙特卡洛模拟的地震滑坡概率危险性分析方法，其特征在于：所述的步骤五中地震信息包括场地条件、震级大小、地震类型，地震类型包括走滑、正断层或逆断层。
7.根据权利要求1所述的一种基于蒙特卡洛模拟的地震滑坡概率危险性分析方法，其特征在于：所述的步骤九中危险性曲线为不同永久位移值发生的概率。
CN202110399437.7A 2021-04-14 2021-04-14 一种基于蒙特卡洛模拟的地震滑坡概率危险性分析方法 Active CN113268852B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110399437.7A CN113268852B (zh) 2021-04-14 2021-04-14 一种基于蒙特卡洛模拟的地震滑坡概率危险性分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110399437.7A CN113268852B (zh) 2021-04-14 2021-04-14 一种基于蒙特卡洛模拟的地震滑坡概率危险性分析方法

Publications (2)

Publication Number Publication Date
CN113268852A CN113268852A (zh) 2021-08-17
CN113268852B true CN113268852B (zh) 2022-02-22

Family

ID=77229024

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110399437.7A Active CN113268852B (zh) 2021-04-14 2021-04-14 一种基于蒙特卡洛模拟的地震滑坡概率危险性分析方法

Country Status (1)

Country Link
CN (1) CN113268852B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114662950B (zh) * 2022-03-31 2024-06-14 中南大学 一种适用于区域地震滑坡危险性评估的斜坡单元细化方法
CN115310371B (zh) * 2022-10-09 2022-12-30 西南交通大学 一种基于耦合机器学习算法的边坡稳定性分析方法
CN115963557B (zh) * 2022-11-25 2024-03-12 哈尔滨工业大学（深圳） 基于地震危险一致性的地震动记录选取方法及装置
CN116203619B (zh) * 2022-12-08 2024-03-15 西南交通大学 基于空间互相关多地震动参数的区域地震滑坡模拟方法
CN116127247B (zh) * 2023-02-14 2023-08-18 中国地震局地球物理研究所 一种耦合多种震源模型的概率危险性解析计算方法
CN116956046B (zh) * 2023-09-07 2023-12-29 西南交通大学 一种基于循环神经网络的地震滑坡危险性分析方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107133414A (zh) * 2017-05-18 2017-09-05 中国科学院武汉岩土力学研究所 一种块体地震动力响应的分析方法
CN108492236A (zh) * 2018-02-07 2018-09-04 国家海洋环境预报中心 基于蒙特卡洛随机模拟的多重现期海啸灾害评估方法
CN110046454A (zh) * 2019-04-25 2019-07-23 中国地震局地质研究所 概率地震经济损失计算方法及系统
CN110378055A (zh) * 2019-07-25 2019-10-25 西南交通大学 一种地震边坡永久位移计算方法
CN110390169A (zh) * 2019-07-25 2019-10-29 西南交通大学 一种基于力学模型的地震滑坡危险性定量评价方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014128964A1 (ja) * 2013-02-25 2014-08-28 東海旅客鉄道株式会社 地震予測装置
CN109359311A (zh) * 2018-08-01 2019-02-19 太原理工大学 一种基于典型相关分析的地震动强度指标优选方法
CN111458748B (zh) * 2020-03-30 2021-03-05 青岛理工大学 基于三层数据集神经网络的性能地震动危险性分析方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107133414A (zh) * 2017-05-18 2017-09-05 中国科学院武汉岩土力学研究所 一种块体地震动力响应的分析方法
CN108492236A (zh) * 2018-02-07 2018-09-04 国家海洋环境预报中心 基于蒙特卡洛随机模拟的多重现期海啸灾害评估方法
CN110046454A (zh) * 2019-04-25 2019-07-23 中国地震局地质研究所 概率地震经济损失计算方法及系统
CN110378055A (zh) * 2019-07-25 2019-10-25 西南交通大学 一种地震边坡永久位移计算方法
CN110390169A (zh) * 2019-07-25 2019-10-29 西南交通大学 一种基于力学模型的地震滑坡危险性定量评价方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Seismic-Resilient Bulk Power Grids: Hazard Characterization, Modeling, and Mitigation;Mostafa Nazemi etc.;《IEEE TRANSACTIONS ON ENGINEERING MANAGEMENT》;20200831;第67卷(第3期);全文 *
地震动参数之间的距离分析及相关分析;宋帅等;《地震工程与工程振动》;20160815(第04期);全文 *
基于蒙特卡洛方法的地震目录模拟及相符性检验――以汾渭地震带为例;邵霄怡等;《中国地震》;20180315(第01期);全文 *
考虑边坡地形效应的地震动力响应分析;张迎宾等;《地震工程学报》;20210131;第43卷(第1期);全文 *

Also Published As

Publication number Publication date
CN113268852A (zh) 2021-08-17

Similar Documents

Publication Publication Date Title
CN113268852B (zh) 一种基于蒙特卡洛模拟的地震滑坡概率危险性分析方法
Marzorati et al. Rock falls induced by earthquakes: a statistical approach
Saygili et al. Probabilistically based seismic landslide hazard maps: an application in Southern California
Goda et al. Tsunami simulations of mega-thrust earthquakes in the Nankai–Tonankai Trough (Japan) based on stochastic rupture scenarios
Nguyen et al. Rainfall-earthquake-induced landslide hazard prediction by Monte Carlo simulation: a case study of MT. Umyeon in Korea
KR101450233B1 (ko) 산사태해석을 위한 지리정보시스템 기반의 지하수 분포 예측 방법
Kelam et al. An evaluation of seismic hazard and potential damage in Gaziantep, Turkey using site specific models for sources, velocity structure and building stock
Muhammad et al. Tsunami hazard analysis of future megathrust sumatra earthquakes in Padang, Indonesia using stochastic tsunami simulation
Carlton et al. Geohazard assessment related to submarine instabilities in Bjørnafjorden, Norway
CN114692456A (zh) 一种诱发矿井强动力灾害地应力临界判据的确定方法
Cheng et al. From active fault segmentation to risks of earthquake hazards and property and life losses—A case study from the Xianshuihe-Xiaojiang fault zone
Peng et al. Incorporating the effects of topographic amplification and sliding areas in the modeling of earthquake-induced landslide hazards, using the cumulative displacement method
Song et al. Construction of digital twin geotechnical resistance model for liquefaction risk evaluation
van Thienen-Visser et al. Categorizing seismic risk for the onshore gas fields in the Netherlands
Gillins Mapping the probability and uncertainty of liquefaction-induced ground failure
Motamedi Quantitative landslide hazard assessment in regional scale using statistical modeling techniques
Louie et al. Applications of Refraction Microtremor done right, and pitfalls of microtremor arrays done wrong
Saygili A probabilistic approach for evaluating earthquake-induced landslides
Ojomo Regional earthquake-induced landslide assessments using a data-informed probabilistic approach
Wang Probabilistic assessments of the seismic stability of slopes: Improvements to site-specific and regional analyses
CN118569007B (zh) 一种基于地震灾害风险精细化评估的抗震性能鉴定方法
Thornley et al. Nonlinear site response analysis at the Delaney park downhole array in Anchorage, Alaska
Prashar et al. Pilot large diameter pipeline seismic fragility assessment
Abdillah et al. Probabilistic Analysis of Tsunami Caused by The Java Megathrust Active Fault: A Case Study of Jakarta, Indonesia
Lozos et al. Dynamic rupture modeling on the Hayward Fault, northern California–estimating coseismic and postseismic hazards of partially creeping faults

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant