Page 133 - 2023年第54卷第6期

［１９］ 靳聪聪，迟世春，聂章博．基于地震变形易损性的高土石坝抗震安全分析 ［Ｊ］．岩土工程学报，２０２０，４２
（２）：３３４ － ３４３．
［２０］ 郭秀吉，陈立，颜小飞，等．２００８年以来紫坪铺水库淤积过程及库容变化特性分析［Ｊ］．中国农村水利水
电，２０２２（７）：５５ － ６０，６６．
［２１］ 杨正权，刘小生，周国斌，等．高面板堆石坝面板地震动力反应特性大型振动台模型试验研究［Ｊ］．振动工
程学报，２０１８，３１（２）：２０９ － ２１８．
［２２］ 刘晶波，宝鑫，李述涛，等．采用黏弹性人工边界时显式算法稳定性条件［Ｊ］．爆炸与冲击，２０２２，４２（３）：
１２４ － １３７．
［２３］ 孙陶，高希章，杨建．紫坪铺混凝土面板堆石坝应力－ 应变分析［Ｊ］．岩土力学，２００６（２）：２４７ － ２５１．
［２４］ 楚金旺，朱晟，黄亚梅．基于实际震害的土石坝永久变形估算［Ｊ］．中国水利水电科学研究院学报，２０１７，
１５（６）：４０９ － ４１７．
［２５］ ＧＯＮＧＪ，ＺＯＵＤＧ，ＫＯＮＧＸＪ，ｅｔａｌ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｏｆｈｉｇｈｃｏｍｐｒｅｓｓｉｖｅｓｔｒｅｓｓａｎｄｅｘｔｒｕｓｉｏｎｐｈｅｎｏｍｅｎｏｎｆｏｒ
ｃｏｎｃｒｅｔｅｆａｃｅｓｌａｂｓｉｎＣＦＲＤｓｕｎｄｅｒｓｔｒｏｎｇｓｅｉｓｍｉｃｌｏａｄｓ ［Ｊ］．ＳｏｉｌＤｙｎａｍｉｃｓａｎｄＥａｒｔｈｑｕａｋｅＥｎｇｉｎｅｅｒｉｎｇ，２０２１，
１４７：１０６７９２．
［２６］ 孔宪京，周晨光，邹德高，等．高土石坝－ 地基动力相互作用的影响研究 ［Ｊ］．水利学报，２０１９，５０（１２）：
１４１７ － １４３２．

Ｓｔｕｄｙｏｆｓｅｉｓｍｉｃｗａｖｅｉｎｐｕｔｏｆｄａｍ ｂｅｄｒｏｃｋｂａｓｅｄｏｎｍｏｄａｌ
ｄｅｃｏｍｐｏｓｉｔｉｏｎａｎｄｃｌｏｕｄｐａｒｔｉｃｌｅｎｅｔｗｏｒｋ

１，３
１，３
１，３
１
１
１，２
ＺＨＡＮＧＨｏｎｇｙａｎｇ ，ＬＩＴｏｎｇ，ＹＡＮＧＹｉｇｅ，ＤＩＮＧＺｅｌｉｎ ，ＺＨＡＮＧＸｉａｎｑｉ ，ＷＡＮＧＳｈｕｎｓｈｅｎｇ
（１．ＳｃｈｏｏｌｏｆＷａｔｅｒＣｏｎｓｅｒｖａｎｃｙ，ＮｏｒｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＥｌｅｃｔｒｉｃＰｏｗｅｒ，Ｚｈｅｎｇｚｈｏｕ ４５００４６，Ｃｈｉｎａ；
２．ＱｉｎｇＹｕａｎＣｏｌｌｅｇｅ，ＮｏｒｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＥｌｅｃｔｒｉｃＰｏｗｅｒ，Ｘｉｎｙａｎｇ ４６４２００，Ｃｈｉｎａ；
３．ＣｏｌｌａｂｏｒａｔｉｖｅＩｎｎｏｖａｔｉｏｎＣｅｎｔｅｒｆｏｒＥｆｆｉｃｉｅｎｔＵｔｉｌｉｚａｔｉｏｎｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓｉｎＹｅｌｌｏｗＲｉｖｅｒＢａｓｉｎ，Ｚｈｅｎｇｚｈｏｕ ４５００４６，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｅｉｎｐｕｔｏｆｂｅｄｒｏｃｋｓｅｉｓｍｉｃｗａｖｅｉｎｔｈｅｅｘｉｓｔｉｎｇｓｅｉｓｍｉｃｅｖａｌｕａｔｉｏｎｏｆｄａｍｓｍｏｓｔｌｙｕｓｅｓａｃｔｕａｌｄａｔａｏｒ
ｍａｎｕａｌｇｅｎｅｒａｔｉｏｎ，ａｎｄｉｔｂｅｃｏｍｅｓｐａｒｔｉｃｕｌａｒｌｙｄｉｆｆｉｃｕｌｔｔｏｄｅｔｅｒｍｉｎｅｂｅｄｒｏｃｋｓｅｉｓｍｉｃｗａｖｅｗｈｅｎｔｈｅｄａｍ ｓｉｔｅｉｎ
ｓｔｒｕｍｅｎｔａｔｉｏｎｉｓｄａｍａｇｅｄｏｒｈｉｓｔｏｒｉｃａｌｉｎｆｏｒｍａｔｉｏｎｉｓｉｎａｄｅｑｕａｔｅ．Ｔｈｅｒｅｆｏｒｅ ， ｔｈｅｒｅｓｅａｒｃｈｉｄｅａｏｆｉｎｖｅｒｓｉｏｎｏｆ
ｓｅｉｓｍｉｃｗａｖｅｉｎｐｕｔｔｏｂｅｄｒｏｃｋｏｆｅａｒｔｈａｎｄｒｏｃｋｄａｍｓｉｓｐｒｏｐｏｓｅｄ ，ａｎｄａｈｙｂｒｉｄｄｅｃｏｍｐｏｓｉｔｉｏｎ － ｔｒａｉｎｉｎｇ － ｉｎｖｅｒｓｉｏｎ
ｍｏｄｅｌｂａｓｅｄｏｎｅｍｐｉｒｉｃａｌｍｏｄａｌｄｅｃｏｍｐｏｓｉｔｉｏｎａｎｄｃｌｏｕｄｐａｒｔｉｃｌｅｎｅｔｗｏｒｋｗａｓｄｅｖｅｌｏｐｅｄ，ｄｅｔｅｒｍｉｎａｔｉｏｎｏｆｓｅｉｓｍｉｃ
ｗａｖｅｏｆｄａｍｂｅｄｒｏｃｋｂｙｕｓｉｎｇｏｎｌｙａｓｍａｌｌｎｕｍｂｅｒｏｆｐｅｒｉｐｈｅｒａｌｍｅａｓｕｒｅｍｅｎｔｓｔａｔｉｏｎｓｗｉｔｈｏｕｔｒｅｌｙｉｎｇｏｎｈｉｓｔｏｒｉｃａｌ
ｓｅｉｓｍｉｃｄａｔａｏｆｔｈｅｓｉｔｅ．Ｆｉｒｓｔｌｙ ，ｔｈｅｍｅａｓｕｒｅｄｓｅｉｓｍｉｃｗａｖｅｒｅｃｏｒｄｓｏｆｓｕｒｆａｃｅａｎｄｂｅｄｒｏｃｋｗｅｒｅｓｅｌｅｃｔｅｄ，ａｎｄｔｈｅ
ａｃｃｅｌｅｒａｔｉｏｎｓｅｑｕｅｎｃｅｗａｓｄｅｃｏｍｐｏｓｅｄｂｙｔｈｅｅｍｐｉｒｉｃａｌｍｏｄａｌｄｅｃｏｍｐｏｓｉｔｉｏｎｍｅｔｈｏｄ．Ｓｅｃｏｎｄｌｙ ，ｔｈｅｐａｒｔｉｃｌｅｓｗａｒｍ
ａｌｇｏｒｉｔｈｍｗａｓｕｓｅｄｔｏｅｓｔａｂｌｉｓｈｔｈｅｍａｐｐｉｎｇｗｉｔｈｔｈｅｎｅｕｒａｌｎｅｔｗｏｒｋｃｏｎｎｅｃｔｉｏｎｗｅｉｇｈｔｓ ，ｏｐｔｉｍｉｚｉｎｇｔｈｅｇｌｏｂａｌ
ｓｅａｒｃｈｃａｐａｂｉｌｉｔｙｏｆｐａｒｔｉｃｌｅｓｗａｒｍａｌｇｏｒｉｔｈｍｓｕｓｉｎｇｃｌｏｕｄｔｈｅｏｒｙ ，ｅｓｔａｂｌｉｓｈｔｈｅｉｎｖｅｒｓｉｏｎｍｏｄｅｌ，ａｎｄｕｓｅｔｈｅｄｅ
ｃｏｍｐｏｓｅｄａｃｃｅｌｅｒａｔｉｏｎｓｅｑｕｅｎｃｅａｓｔｈｅｔｒａｉｎｉｎｇｓｅｔｆｏｒｉｎｖｅｒｓｉｏｎｔｒａｉｎｉｎｇ．Ｔｈｅｎ ，ｔｈｅｓｅｉｓｍｉｃｗａｖｅｉｎｆｏｒｍａｔｉｏｎｍｅａｓ
ｕｒｅｄａｔｔｈｅｓｕｒｆａｃｅ ，ｗｈｉｃｈｗａｓｉｎａｓｉｍｉｌａｒｇｅｏｌｏｇｉｃａｌｓｉｔｕａｔｉｏｎａｓｔｈｅｄａｍ，ｗａｓｓｅｌｅｃｔｅｄａｎｄｃｏｍｂｉｎｅｄｗｉｔｈｔｈｅｉｎ
ｖｅｒｓｉｏｎｍｏｄｅｌｔｏｉｎｖｅｒｔｔｈｅｓｅｉｓｍｉｃｗａｖｅｉｎｐｕｔｔｏｔｈｅｂｅｄｒｏｃｋｏｆｔｈｅｄａｍ．Ｆｉｎａｌｌｙ ，ｔｈｅＺｉｐｉｎｇｐｕｄａｍｉｓｕｓｅｄａｓａｒｅ
ｓｅａｒｃｈｅｘａｍｐｌｅｔｏｖｅｒｉｆｙｔｈｅａｐｐｌｉｃａｂｉｌｉｔｙｏｆｔｈｅｍｏｄｅｌｂｙｃｏｍｐａｒｉｎｇｔｈｅｔｒａｄｉｔｉｏｎａｌｉｎｐｕｔｍｅｔｈｏｄｓ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗ
ｔｈａｔｔｈｅｈｙｂｒｉｄｍｏｄｅｌｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒｈａｓａｃｏｍｐｒｅｈｅｎｓｉｖｅａｎｄｓｔａｂｌｅｐｅｒｆｏｒｍａｎｃｅａｎｄｃａｎｉｎｖｅｒｔｔｈｅｓｅｉｓｍｉｃ
ａｃｃｅｌｅｒａｔｉｏｎｓｅｑｕｅｎｃｅｓｂｅｔｔｅｒ ，ｗｉｔｈｔｈｅｍｏｄｅｌｃｏｅｆｆｉｃｉｅｎｔｏｆｄｅｔｅｒｍｉｎａｔｉｏｎａｒｅｇｒｅａｔｅｒｔｈａｎ０．９，ｍｅａｎａｂｓｏｌｕｔｅｐｅｒ
ｃｅｎｔａｇｅｅｒｒｏｒａｒｅａｂｏｕｔ１１％．Ａｔｔｈｅｓａｍｅｔｉｍｅ ，ｔｈｅｃａｌｃｕｌａｔｉｏｎｏｆｂｅｄｒｏｃｋｓｅｉｓｍｉｃｗａｖｅｏｂｔａｉｎｅｄｆｒｏｍｔｈｅｉｎｖｅｒｓｉｏｎ
ｏｆｔｈｉｓｐａｐｅｒｒｅｄｕｃｅｓｔｈｅｃａｌｃｕｌａｔｉｏｎｅｒｒｏｒｂｙ０．７９％～１７．２８％ ｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｅｘｉｓｔｉｎｇｒｅｓｅａｒｃｈｒｅｓｕｌｔｓ ，ｗｈｉｃｈｉｓ
ｍｏｒｅｃｏｎｓｉｓｔｅｎｔｗｉｔｈｔｈｅａｃｔｕａｌｄｙｎａｍｉｃｒｅｓｐｏｎｓｅｏｆｔｈｅｐｒｏｊｅｃｔ，ｔｈｕｓｐｒｏｖｉｄｉｎｇａｎｅｗｗａｙｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍ ｏｆ
ａｃｑｕｉｒｉｎｇｓｅｉｓｍｉｃｗａｖｅｆｒｏｍｔｈｅｂｅｄｒｏｃｋｉｎｐｕｔｏｆｔｈｅｄａｍ．
Ｋｅｙｗｏｒｄｓ：ｓｅｉｓｍｉｃｗａｖｅｉｎｐｕｔ；ｅａｒｔｈｒｏｃｋｄａｍ；ｉｎｖｅｒｓｉｏｎ；ｒａｄｉａｌｂａｓｉｓｆｕｎｃｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ；ｃｌｏｕｄｔｈｅｏｒｙ；
ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ；ｅｍｐｉｒｉｃａｌｍｏｄａｌｄｅｃｏｍｐｏｓｉｔｉｏｎ

（责任编辑：韩 昆）

— ７ ６ １ —