Page 127 - 2023年第54卷第6期

２
综上所述，模型 ４的反演性能最好，Ｒ 值均为 ０．９以上，ＭＡＰＥ值均为 １１％左右，其次为模型 ２、
模型 ３、模型 １，表明采用云理论优化的 ＰＳＯ算法有效解决了网络参数局部寻优问题，提高了模型的
反演精度，而建立的分解—训练—反演混合模型，通过分解加速度序列，实现了神经网络的多目标映
射，进一步提升了模型的反演性能。
３．５ 加速度反演 将绵竹清平（０５１ＭＺＱ）台站实测地震加速度时程输入到训练完成的 ＥＭＤ － ＣＰＳＯ －
ＲＢＦ反演模型中，得到可用于紫坪铺大坝基岩输入的地震加速度，如图 ７所示。

图 ７ 紫坪铺大坝基岩反演加速度输入时程曲线

如图 ７所示，反演的加速度时程曲线峰值分别为顺河
向（ ＮＳ）０．５６ｇ，坝轴向（ＥＷ）０．５５ｇ，竖直向（ＵＤ）０．３７ｇ，与
孔宪京等 ［１］ 推求的峰值（０．５５、０．５５、０．３７）相差较小。图
８为反演加速度时程顺河向反应谱与紫坪铺大坝的场地规
范谱对比。可以看出，反演加速度顺河向反应谱放大系
数从 ０．３１ｓ开始降低，在 １ｓ左右的谱值较规范谱略低，
约为 ０．５，其峰值位于 １ｓ之前，属于近场区域，符合紫
坪铺大坝场地设计地震动输入标准，表明本文反演所得
的地震加速度时程可用于紫坪铺大坝的动力分析。
在场地的地震动确定方面，已有相关的统计预测模
型建立并应用于建筑物的地震易损性研究等方面。如靳
聪聪等 ［１９］ 根据发震构造、震源分布、强震资 料等数据 图 ８ 反演地震波顺河向反应谱
建立了糯扎渡工程区的地震模型，并基于该模型生成的地震数据对大坝进行了易损性分析。该种模型
的可用性很大程度上依赖于历史资料的量级和现场勘探的准确性，而本文提出的反演方法，通过建立
基岩和地表的地震动反演模型，只需输入特定测站数据，可实现基岩输入地震动的确定，无需使用大
量震害资料来推求地震动，从而避免了数据量级的影响，并且可在缺乏坝址测站数据的情况下，采用
周边测站数据完成大坝基岩输入地震动的确定，从而为解决大坝基岩输入地震动的获取问题提供一条
新途径。但本方法对测站的断层距和相对位置要求较高，具有一定的局限性。
已有研究 ［１］ 指出：汶川地震中紫坪铺大坝动力分析采用茂县地办台站实测地震动或按抗震设计规
范生成的人工地震动是比较合适的。因此，为了验证反演模型在实际工程中的适用性，本文选取与之
相同的实测地震加速度序列和人工地震动，建立了紫坪铺大坝三维有限元模型，采用相同的本构模
型，在其他影响因素不变的情况下，只改变输入的加速度，通过对比计算结果与实测动力响应的误
差，综合验证本文反演的加速度在实际工程中的准确性。

４ 利用反演加速度时程进行正向计算

４．１ 紫坪铺大坝概况 紫坪铺大坝位于岷江上游河段下端，坝顶长度 ６６３．７７ｍ，坝顶宽度 １２．００ｍ，
— ７ ５ ５ —