四川泸定6.8级地震震害调查——以磨西镇为例

<正>2022年9月5日12时52分,四川省甘孜州泸定县（北纬：29.59度,东经：102.08度）发生6.8级地震,震源深度16千米。地震造成93人死亡、25人失联、423人受伤。本次地震造成的死亡人员中,因山体崩塌掩埋、落石击中或击垮房屋等致死77人,占死亡人数的82.8%;房屋倒塌致死14人,占死亡人数的15%。作者作为地震应急工作队员震后第一时间赶赴现场,参加了现场震害调查与烈度评定工作。     

基于深度学习的建筑破坏状态智能评估研究

地震发生后需要对震害区域建筑物破坏等级进行快速评估,以便于震后辅助决策和应急救援。通过分析建筑物外立面震害照片数据,挖掘不同建筑破坏等级与其立面图像特征潜在的映射关系,建立基于震害图像数据的建筑破坏状态智能评估深度学习方法,并应用于都江堰的地震调查数据。首先,训练获得了DeeplabV3+图像语义分割深度神经网络模型,实现在震后复杂背景下的建筑物外观整体的分割提取。进一步,利用迁移学习进行ResNeXt网络参数训练用于图像分类,实现建筑物地震破坏等级的评估。分析了都江堰地震现场调查数据,实验结果表明,所提方法能够较精细地将建筑破坏划分为基本完好、损坏和倒塌三类,准确率达到90.33%。评估模型可直接应用于震后建筑状态的较精细评估,且对外立面图像拍摄角度无较高要求,对图像背景鲁棒,可避免环境因素影响。相较于人工判断,研究方法提高了工作效率,缓解了调查者主观性判断带来的离散性影响,具有良好的应用潜力。     

基于建筑群震害仿真的应急疏散路径规划方法研究∗

地震中沿街建筑的破坏通常会造成邻近道路大面积瓦砾堆积导致道路不畅,对应急救援产生不利影响。传统区域瓦砾堆积分析通常由单体结构分析并推演至区域层面,其过程需要大量数据支持且计算过程繁重。为突破这一瓶颈,使用弹塑性时程分析工具对研究区域内建筑地震损伤情况进行计算,并将精确到每一时刻的建筑动力响应和损伤指标结果进一步用于区域瓦砾堆积仿真计算,其计算速度和精确性可进一步匹配应急救援的时间和精度需求。所采用的震害仿真工具能考虑建筑结构类型差异,并且可充分考虑结构动力特性与地震动破坏力特征。 最后,以龙头山镇建筑群为例,基于区域瓦砾堆积仿真结果,采用 Frank-Wolfe 算法为各受灾点进行疏散路径规划,研究方法可为震后应急疏散提供参考。     

土耳其Mw7.8级地震房屋震害调查与分析

<正>土耳其当地时间2023年2月6日凌晨4时17分,卡赫拉曼马拉什省（Kahramanmaras）南部发生Mw7.8地震。9个小时后,13时24分,距第一次地震震中向北约100km的卡赫拉曼马拉什省中部发生了第二次Mw7.5地震。土耳其位于安纳托利亚微板块上,阿拉伯板块和非洲板块向北运动,导致安纳托利亚微板块被向西挤出,造成复杂的东安纳托利亚断层左旋运动和北安纳托利亚断层右旋运动,如图1所示。两次地震导致超过84,000座建筑物倒塌或严重损坏,包括叙利亚在内的50,000多人丧生。