聚焦于1975年海城地震中两次5.0级以上余震，深入探究地震动方向性特点及其与发震断层的关系，并基于结构测点记录分析了几类结构的反应方向性特点。首先对海城地震的背景进行了阐述，然后基于全方位反应谱、持时谱和输入能量谱等分析方法，对海城和营口的6个观测台站的记录进行了详细分析。研究发现：地震动强度在不同方向上的变化显著，特别是在周期为1.5~3.5 s之间时，海城余震的地震动强度方向性效应比NGA-West2的SB14模型的预测更为显著。长周期（1.0 s以上）的方向性效应尤为突出，在长周期频段，近断层地震动的方向性差异更加明显。在全方位反应谱的高频段中，东西向卓越方向与F2东西向隐伏断层呈现出高度相关性；而中低频段则清晰展现出F1北北西向主断层的方向性特征；结构反应的方向性会因结构自身因素（如结构形式、长短轴方向和场地条件等）而发生一些变化。桥墩地震反应方向性与自由场方向性基本一致，而房屋结构反应方向性存在一定程度的旋转。

地震动预测模型是地震危险性分析等研究的重要基础，目前对于中国竖向地震动预测模型研究相对较少，同时，现有地震动预测模型大多采用参数化方程形式，其预测精度可能有限。因此，建立具有更高预测精度与可靠性的中国水平和竖向地震动预测模型是需要进一步深入研究的内容。为解决上述问题，首先以筛选出的1991组中国水平和竖向地震动序列为基础，选用Butterworth非因果滤波方法对中国地震动滤波进行降噪处理；然后基于深度学习方法开发了中国水平和竖向地震动预测模型（CHV-DNN），并对其进行了模型性能、物理特征以及事件内和事件间残差分析等方面的全面评估；最后给出了中国水平和竖向地震动谱型相关系数模型。研究结果表明：CHV-DNN模型事件间残差大部分集中在[-1，1]范围内，事件内残差大部分集中在[-1.5，1.5]范围内，事件内和事件间残差均在残差为0基准线两侧均匀分布，验证了模型的可靠性与准确性；CHV-DNN模型不仅具有较高的预测精度，同时还具有良好的物理特征；基于CHV-DNN计算的相关系数模型较为合理。本研究开发的中国水平和竖向地震动预测模型，将为中国水平和竖向地震危险性分析等研究提供研究基础。

输水管道是重要的生命线工程。为研究近距离交叉大直径输水管道地震响应规律，进行了模型相似比为1∶10的振动台试验。对比分析单管结构工况和交叉管道工况下，结构和土层加速度反应及结构应变反应规律。对比分析表明：下穿管道存在对上部管道加速度响应影响复杂，取决于荷载大小、场地动力特性等；输入激励为0.1 g和0.2 g El-Centro波时，下穿管道使上部管道加速度（相对于单管道）分别减小28.0%和7.9%，而输入激励为0.4 g和0.6 g El-Centro波时，上部管道加速度峰值相对于单管道分别增大了4.9%和39.5%。下穿管道使上穿管道加速度傅里叶谱的峰值减小和频宽增大。管道最大应变峰值出现在管道下部与水平面成45°处，上穿管道应变峰值相对于单管道减小了3.6%~39.0%。

为研究高速铁路轨道-减隔震桥梁系统的纵向地震响应及损伤状态，以桥面铺设CRTSⅢ型无砟轨道结构的7跨32 m简支梁桥为研究对象，建立了轨道-桥梁系统有限元模型，通过非线性时程分析获得了系统在不同的地震波、地震动强度及支座类型下各关键构件的地震响应分布规律。结果表明：纵向地震激励下梁体位移呈阶梯形分布，最大值出现在桥跨中心处；扣件位移最大值出现在桥台伸缩缝处，且在每跨梁端伸缩缝处出现极值，扣件位移受不同地震波的频谱特性影响显著。钢轨应力最大值出现在边跨两侧的伸缩缝处，复合板截面正应力由轴力和弯矩分量共同引起。支座及轨道系统进入非线性后，与地震动强度增加幅度相比，易损构件纵向变形的增幅表现出显著的放大效应及分布不均衡性。考虑轨道系统，与摩擦摆支座相比，同球向双球面支座可明显降低扣件、梁体及支座的位移响应；轨道系统对支座位移具有显著的抑制作用。

基于性能的抗震设计理念作为目前地震工程领域的研究热点，在桥梁地震损伤评估中已有较成熟的应用，但其在抗震设计方面还有待进一步研究。文中以全概率地震风险分析框架为基础，引入响应面理论及改进的非支配排序遗传算法（improved non-dominated sorting genetic algorithms，NSGA-Ⅱ），提出了一种基于抗震可靠度的桥墩多目标优化设计方法。首先，结合地震易损性及地震危险性理论，阐述了桥梁抗震可靠度的建立方法。随后，提出以桥梁抗震可靠度及桥墩材料费用为目标函数的优化数学模型，基于响应面理论并结合NSGA-Ⅱ，建立了桥墩抗震优化设计流程。然后，以一座典型的公路桥梁为例，结合我国桥梁抗震设计规范，建立了桥梁地震危险性曲线及地震易损性曲线，对桥梁地震损伤特征进行分析。最后，建立了桥梁抗震可靠度响应面模型，对算例桥梁进行抗震优化设计。研究结果表明：基于二次多项式的响应面模型能够准确描述桥墩设计参数与桥梁抗震可靠度之间的隐式关系。采用文中提出的抗震优化设计方法可以改善桥梁整体的抗震可靠度或降低桥墩的材料费用。将桥梁抗震可靠度作为目标函数，能够考虑桥墩参数对桥梁整体地震损伤风险的影响。此外，多目标抗震优化设计能够突破传统经验设计方法的局限性，实现更加精细的定量设计，设计人员可以利用不同的优化策略灵活地从Pareto解集中获取最优方案。

在发生连续地震时，强余震对桥梁结构造成严重危害。在地震易损性分析中，为考虑强余震的影响，提出基于空间拟合的结构易损性分析方法，以一座三跨连续梁桥为对象，采用分段式的二元一次函数构建概率地震需求模型，对比分析了以地震动峰值加速度、峰值速度和谱加速度为地震强度指标时，概率地震需求模型的拟合效果和可靠性，并分别对基于空间和单面拟合的主余震桥梁结构易损性进行分析。结果表明：基于空间拟合的主余震结构易损性分析结果体现了强余震对桥梁的损害，能有效避免低估桥梁在强余震作用下的超越概率。利用空间拟合方法获取的概率地震需求模型能更准确地解释地震需求和结构损伤的关系；选取谱加速度作为地震强度参数时，主余震作用下模型的拟合效果最好。主余震作用中的强震主导了桥梁极限状态超越概率的增长速度，基于空间拟合的易损性分析中余震强度的增长对超越概率的影响更大，这有利于对桥梁抗震性能的保守估计。该桥梁易损性评估方法可为公路梁桥设计提供参考。

为研究楼板构造对地铁诱发振动响应的影响规律，通过优化楼板构造以减轻结构振动响应的可行性，设计制作了常规楼板、增厚楼板和增设次梁楼板，分别对3个试验楼板开展现场模型试验，研究其在现场地铁振动下的动力响应情况，以常规楼板为试验对照组，分析增大楼板厚度和增设次梁两种构造措施对试验楼板模态特征及地铁诱发振动响应的影响规律。结果表明：共振效应是地铁诱发楼板振动的主要原因；增大楼板厚度和增设次梁均提升了试验楼板的竖向模态频率，并缓解了楼板的共振效应，使板上的时域加速度响应降低；增大楼板厚度和增设次梁均能在较宽的频带范围降低试验楼板的振动加速度级，并分别使计权振动级降低6 dB和4 dB，改善了试验楼板的振动舒适度；增设次梁在不显著增加楼板自重和工程造价的同时，实现了与增大一倍楼板厚度相似的地铁振动减振效果。建议在对新建地铁邻近结构设计时优先考虑对楼板采用增设次梁的构造措施，以降低地铁诱发振动响应并提升楼板振动舒适度。

针对传统剪切钢板阻尼器（shear panel dampers，SPD）因焊接残余应力易发生脆性破坏以及薄钢板固有的屈曲破坏问题，提出了一种新型装配式角钢约束型剪切钢板阻尼器（prefabricated angle steel-constrained shear panel damper，PASPD），详细阐述了其构造形式、工作机制及技术特征。设计并制作了2个装配式角钢约束型剪切钢板阻尼器试件，通过低周往复加载试验和有限元模拟分析，研究了该阻尼器的力学性能和破坏模式，并揭示了角钢在该阻尼器中的工作机制。试验结果表明：装配式角钢约束型剪切钢板阻尼器具有稳定的滞回性能和优异的耗能能力；增加腹板厚度虽可延缓角部开裂的发生，但不会改变阻尼器的最终破坏模式；通过角钢对腹板边界进行合理约束，能够优化阻尼器的应力应变分布，使其变形和耗能集中在中部区域；与传统剪切钢板阻尼器相比，PASPD表现出更优的延性性能以及更高的累积能量耗散。有限元模拟分析表明：翼缘连接板与侧边角钢的协同作用能优化PASPD剪切传力路径，引导其腹板应力和应变分布更加均匀，形成理想的腹板剪切耗能机制，以提升PASPD的稳定性和滞回耗能性能。

单台震中距估计是现场地震预警的重要工作之一。针对传统的B-Δ方法在震中距估计中存在的利用P波信息有限且预测误差较大的局限性，使用日本K-NET台网的强震动数据，将3 s时间窗长度的三分量加速度波形作为输入，利用卷积神经网络直接从波形中提取特征信息，建立了基于卷积神经网络的单台震中距估计（Convolutional Neural Network for epicentral Distance estimation，CNN-Dis）模型。研究结果表明：在测试数据集中，通过对输入数据和标签进行归一化处理，CNN-Dis模型震中距估计的平均绝对误差和标准差分别是28.119 6和34.682 7 km，且优于未进行归一化处理的模型的性能；对比传统的B-Δ方法，CNN-Dis模型提高了震中距估计的可靠性；与内陆地震事件相比，CNN-Dis模型对于海域地震的震中距估计也有相对可靠的结果。所构建的CNN-Dis模型在一定程度上提高了震中距估计的准确性，为地震预警技术迭代与性能优化提供了有力的支持。

竖向地震动对工程结构地震响应有重要影响，发展可靠的竖向地震动预测模型是地震工程领域的一项重要课题。传统的地震动预测主要基于实际强震动记录，采用最小二乘回归方式得到地震动参数预测模型，但是传统最小二乘回归通常假设变量之间是线性关系或预设的函数形式，这可能无法完全捕捉地震数据中复杂的非线性关系，而深度学习模型能够从数据中学习规律并对复杂的数据分布提供更高的预测精度。因此通过深度学习方法，基于NGA-West2数据库选取了9 953条竖向地震动记录，然后计算反应谱并进行模型训练与预测，建立了Self-DNN竖向地震动反应谱预测模型，并与传统预测模型以及DNN神经网络模型进行了对比。结果表明，本文基于深度学习算法建立的竖向地震动反应谱预测模型具有较好的可靠性和准确性，可以取得良好的预测效果。研究结果可以为竖向地震动反应谱预测和结构抗震设计等工作提供参考。