袁萬城，王建國，龐于濤，賈麗君

(同濟(jì)大學(xué) 土木工程防災(zāi)國家重點(diǎn)實(shí)驗(yàn)室，上海 200092)

?

基于Kriging模型的橋梁結(jié)構(gòu)易損性分析

袁萬城，王建國，龐于濤，賈麗君

(同濟(jì)大學(xué) 土木工程防災(zāi)國家重點(diǎn)實(shí)驗(yàn)室，上海 200092)

地震易損性用來描述不同強(qiáng)度地震作用下超越某一極限狀態(tài)或性能的概率，通常采用蒙特卡羅(MC)、拉丁超立方(LHS)方法來生成易損性曲線，但是，這兩種方法計(jì)算量很大。本文通過引入Kriging模型代替計(jì)算量較大的增量動(dòng)力分析方法(IDA)對(duì)某三跨連續(xù)梁橋進(jìn)行易損性分析，發(fā)現(xiàn)該方法能夠顯著減小計(jì)算量。以LHS易損性曲線為參考，對(duì)該方法的準(zhǔn)確性進(jìn)行了研究，發(fā)現(xiàn)通過該方法計(jì)算得到的易損性曲線精度較好。最后，本文對(duì)比分析不同均勻設(shè)計(jì)樣本得到的Kriging易損性曲線，發(fā)現(xiàn)文中所使用的U15(157)均勻設(shè)計(jì)樣本已經(jīng)具有能夠收斂的結(jié)果。

易損性；Kriging模型；橋梁結(jié)構(gòu)；數(shù)學(xué)計(jì)算方法；均勻設(shè)計(jì)；拉丁超立方

地震是一種隨機(jī)性強(qiáng)、破壞嚴(yán)重的偶然荷載，橋梁結(jié)構(gòu)遭受強(qiáng)震作用后將造成慘重的直接災(zāi)害以及次生災(zāi)害。國外在遭受了如Nothridge地震以及Kobe地震所帶來的慘重?fù)p失后，開始提出基于性能的地震工程框架[1]。易損性分析為該工程框架的一個(gè)重要組成部分，用來描述橋梁結(jié)構(gòu)在不同強(qiáng)度地震作用下超越某一極限狀態(tài)或性能的概率[2]，并與地震危險(xiǎn)性分析共同作為地震風(fēng)險(xiǎn)評(píng)估的依據(jù)[3]。

地震易損性的分析方法包括專家易損性方法、經(jīng)驗(yàn)易損性方法和理論易損性方法。專家易損性方法不可避免受主觀因素影響；經(jīng)驗(yàn)易損性方法的獲得和應(yīng)用則受地震災(zāi)害記錄及工程場地差異的影響而存在局限性；從而理論易損性方法被廣泛應(yīng)用。針對(duì)理論易損性分析，龐于濤等[4-5]利用增量動(dòng)力分析(incremental dynamic analysis，IDA)，鐘劍等[6-7]利用概率地震需求分析(probabilistic seismic demand model，PSDA)得到動(dòng)力需求模型，馮清海及龐于濤等[4-5, 8]利用人工神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)構(gòu)的概率能力，然后進(jìn)行易損性分析。蒙特卡羅方法(Monte Carlo，MC)、拉丁超立方(Latin hypercube sampling，LHS)方法常用來對(duì)某一極限狀態(tài)生成易損性曲線，但是當(dāng)包含結(jié)構(gòu)參數(shù)的不確定性時(shí)，特別是采用IDA方法時(shí)，計(jì)算量非常大，為易損性曲線求解帶來極大的不便。

在過去30～40年間，隨著數(shù)值方法的廣泛應(yīng)用，軟計(jì)算方法開始在工程界使用。在保證一定計(jì)算精度的前提下，軟計(jì)算方法將顯著提高計(jì)算效率。Chouicha等[9-10]等將軟計(jì)算引入到地震液化模擬中；Lagaros等[11-12]則在結(jié)構(gòu)設(shè)計(jì)優(yōu)化和結(jié)構(gòu)可靠度分析中應(yīng)用了人工神經(jīng)網(wǎng)絡(luò)。而軟計(jì)算在易損性分析中應(yīng)用卻較少，目前的研究也僅在能力計(jì)算方面提高計(jì)算效率[13]。在軟計(jì)算的各個(gè)模型中，Kriging[14]模型作為一種估計(jì)方差最小的無偏估計(jì)模型，具有全局近似與局部誤差相結(jié)合的特點(diǎn)，它的有效性不依賴于隨機(jī)誤差的存在，對(duì)非線性程度較高和局部響應(yīng)突變問題具有良好的擬合效果，因此Kriging模型可用來進(jìn)行全局或局部的近似，并且，該模型已多次應(yīng)用于復(fù)雜問題的近似計(jì)算[15-18]，并取得了較高計(jì)算精度。

本文采用訓(xùn)練成熟的Kriging模型代替易損性分析中計(jì)算量較大的IDA計(jì)算進(jìn)行易損性分析，并以LHS易損性曲線檢驗(yàn)該方法的計(jì)算精度；另外，通過對(duì)比不同均勻設(shè)計(jì)樣本數(shù)的Kriging易損性曲線來分析其收斂性。

1 本文算法

1.1 Kriging模型理論

,...,q

(1)

f(x)為由文獻(xiàn)[14]中多項(xiàng)式組成的回歸函數(shù)向量，β:,l為相應(yīng)的回歸系數(shù)；zl(x)=r(x)Tγ*為均值為零方差為σl2的隨機(jī)變量，r(x)為描述局部相關(guān)性的向量，γ*為局部相關(guān)系數(shù)。并且β:,l、γ*由下式求得

γ*=R-1(Y-Fβ)

β=(FTR-1F)-1FTR-1Y

(2)

式中：F為樣本矩陣，R為描述隨機(jī)變量之間相關(guān)性的矩陣。文獻(xiàn)[11]中提供了指數(shù)型(EXP)、高斯型(GAUSS)、線性(LIN)、樣條型(SPLIN)等7種相關(guān)系數(shù)模型，例如在采用高斯相關(guān)系數(shù)模型時(shí)，第i、j兩隨機(jī)變量間的相關(guān)系數(shù)為

(3)

同樣的方法可以確定所有的相關(guān)系數(shù)，利用隨機(jī)樣本的輸入變量與對(duì)應(yīng)的響應(yīng)確定回歸系數(shù)β和相關(guān)系數(shù)θ后，整體Kriging模型即可確定，并且文獻(xiàn)[19, 20]給出了求解β、θ的解析法和數(shù)值法。

1.2 均勻設(shè)計(jì)概述

在多參數(shù)、多水平的試驗(yàn)中均勻設(shè)計(jì)能夠顯著減小試驗(yàn)樣本數(shù)，在橋梁易損性研究中涉及到材料以及結(jié)構(gòu)等多個(gè)不確定因素，按照常規(guī)方法則需要大量的試驗(yàn)，而按照均勻設(shè)計(jì)可以大大減小試驗(yàn)次數(shù)，并能夠充分反映參數(shù)的隨機(jī)性。

本文采用均勻設(shè)計(jì)方法，U15(157)為7因素15水平數(shù)的實(shí)驗(yàn)設(shè)計(jì)，普通實(shí)驗(yàn)設(shè)計(jì)所需試驗(yàn)樣本為715=4.75×1012，正交設(shè)計(jì)樣本數(shù)減少為152=225而均勻設(shè)計(jì)僅需15個(gè)樣本即可充分反映參數(shù)隨機(jī)性。Un(nm)均勻設(shè)計(jì)表為一n行m列的矩陣。其中該矩陣的第一行為{1,2,…,n}的子集，并且該矩陣第j列的元素采用如下算法計(jì)算：

u1j=hj

i=1,2,...,n-1

(4)

1.3 本方法的計(jì)算流程

基于Kriging模型的易損性分析基本步驟如圖 1所示，1)確定隨機(jī)變量并根據(jù)均勻設(shè)計(jì)理論抽取隨機(jī)樣本；2)由隨機(jī)樣本及其對(duì)應(yīng)的響應(yīng)確定Kriging模型中的未知參數(shù)；3)根據(jù)Kriging模型確定相應(yīng)于PGA=a的均值、標(biāo)準(zhǔn)差；4)利用MC方法抽取1×106個(gè)隨機(jī)樣本點(diǎn)并根據(jù)損傷級(jí)別及損傷指標(biāo)確定損傷概率獲得易損性曲線；5)LHS易損性曲線檢驗(yàn)計(jì)算精度；6)改變均勻設(shè)計(jì)樣本數(shù)檢驗(yàn)Kriging易損性曲線的收斂性。

2 實(shí)例分析

2.1 橋梁有限元模型

本文以某三跨混凝土連續(xù)梁橋?yàn)槔?，進(jìn)行基于Kriging模型的易損性分析。該橋跨徑布置為50 m+50 m+50 m，橋墩墩高30 m，橫截面為6.2 m×2.2 m的矩形截面。墩頂采用鉛芯橡膠支座(leader rubber bearing, LRB)承臺(tái)頂采用板式橡膠支座(sliding leader bearing, SLB)。橋墩采用C40混凝土，主梁采用C50預(yù)應(yīng)力混凝土，采用HRB335鋼筋。橋墩的縱向配筋率為0.75%，配箍率為0.6%，橋梁整體布置及細(xì)部構(gòu)造如圖 2所示。

使用Opensees建立橋梁結(jié)構(gòu)的三維有限元模型。上部結(jié)構(gòu)在地震作用下基本保持彈性，使用線彈性單元模擬；橋墩要承受較大的地震力，允許橋墩在強(qiáng)震作用下屈服，故采用纖維單元模擬；支座采用零長度單元模擬；并不考慮橋臺(tái)的變形及移位。橋墩混凝土材料采用Kent-Scott-Park本構(gòu)模型，鋼筋采用雙線性滯回本構(gòu)模型。

圖 1 Kriging易損性流程Fig.1 The procedure of fragility analysis using Kriging model

圖 2 橋梁結(jié)構(gòu)總體布置及細(xì)部構(gòu)造圖Fig.2 General configuration of reinforced concrete bridge and layout of the section

2.2 隨機(jī)變量與損傷指標(biāo)

橋梁結(jié)構(gòu)易損性分析中涉及多種不確定性因素，本文選取核心混凝土的極限抗壓強(qiáng)度(fc,core，fc,cover)及對(duì)應(yīng)的壓應(yīng)變(εc,core，εc,cover)，鋼筋的屈服強(qiáng)度fy及初始剛度Es為輸入隨機(jī)變量，表1列出了所考慮材料參數(shù)的統(tǒng)計(jì)特性。易損性分析時(shí)需要定義損傷級(jí)別以及損傷指標(biāo)，本文選取支座位移及墩底曲率為輸出變量，并根據(jù)文獻(xiàn)[21]取四個(gè)損傷級(jí)別，損傷級(jí)別及相應(yīng)的損傷指標(biāo)由表 2列出，由于嚴(yán)重?fù)p傷和完全損傷不易定義，此處暫不討論。

表1 隨機(jī)變量及其分布

2.3 Kriging模型的建立

本文中的橋梁所在場地為中軟場地土，場地類別為Ⅲ類，以從PEER強(qiáng)震數(shù)據(jù)平臺(tái)中選取的30條Ⅲ類場地地震波來考慮地震動(dòng)的隨機(jī)性。根據(jù)《公路橋梁抗震規(guī)范》中的目標(biāo)反應(yīng)譜對(duì)30條地震記錄進(jìn)行調(diào)幅，以此作為激勵(lì)進(jìn)行非線性時(shí)程分析，并忽略地震動(dòng)的空間變化效應(yīng)，另外，依據(jù)文獻(xiàn)[22, 23]選取PGA作為地震動(dòng)強(qiáng)度(IM)的指標(biāo)。

表2 損傷級(jí)別及損傷指標(biāo)

Table 2 The definitions of the damage states and corresponding DI criteria

構(gòu)件輕微損傷中等損傷墩底曲率μ/m-1μ>1μ>1.5LRB位移峰值s/mη>0.05η>0.15SLB位移峰值η/mη>0.10η>0.25

對(duì)表1中的隨機(jī)變量抽取7因素15水平數(shù)的實(shí)驗(yàn)樣本并以上述30條經(jīng)過調(diào)幅的實(shí)際地震記錄為激勵(lì)進(jìn)行非線性時(shí)程分析，求得相應(yīng)于每個(gè)樣本的均值與標(biāo)準(zhǔn)差，進(jìn)而得出均值與標(biāo)準(zhǔn)差對(duì)于PGA的分布函數(shù)，最終根據(jù)下式建立整體Kriging模型：

y=exp(yμ+logN(0, yσ))

(5)

根據(jù)整體Kriging模型求解相應(yīng)于某PGA的均值與標(biāo)準(zhǔn)差，利用蒙特卡羅(MC)方法抽取1×106個(gè)樣本點(diǎn)，即可計(jì)算出對(duì)應(yīng)損傷級(jí)別下該P(yáng)GA的損傷概率，連接多個(gè)PGA的損傷概率得到易損性曲線，如圖 3所示。

2.4 拉丁超立方(LHS)易損性曲線

為檢驗(yàn)基于Kriging模型的易損性分析方法的有效性，以LHS方法對(duì)表1中隨機(jī)變量抽樣得到100個(gè)隨機(jī)樣本，并將上述30條調(diào)幅后的實(shí)際地震記錄作歸一化處理，分別調(diào)整其峰值為0.1g，0.3g，0.5g，0.7g，0.9g，然后進(jìn)行非線性時(shí)程分析，從而得到某損傷級(jí)別下相應(yīng)于某PGA的損傷概率，進(jìn)而得到易損性曲線，與Kriging易損性曲線對(duì)比的結(jié)果如圖3所示。

由圖3可知，板式橡膠支座位移、鉛芯橡膠支座位移以及墩底曲率的Kriging易損性曲線，在輕微損傷和中等損傷兩損傷級(jí)別下均與LHS易損性曲線非常接近。鉛芯橡膠支座表現(xiàn)出比板式橡膠支座更易損壞的特性，在所關(guān)注的三個(gè)易損部位中，墩底曲率是最不易破壞的部位，板式橡膠支座的易損性介于兩者之間。

圖 3 Kriging易損性曲線與LHS易損性曲線對(duì)比Fig.3 Fragility curves obtained using Kriging model and LHS in bridge model

2.5 均勻設(shè)計(jì)樣本數(shù)對(duì)Kriging易損性收斂性的影響

為說明Kriging易損性曲線的收斂性，本文在上述易損性曲線的基礎(chǔ)上，由均勻設(shè)計(jì)表格U20(207)抽取隨機(jī)樣本并求得Kriging易損性曲線，以LHS易損性曲線為參考，比較不同樣本數(shù)得到的Kriging易損性曲線的收斂性，由表3中不同均勻設(shè)計(jì)樣本數(shù)Kriging易損性曲線的均方根差可知，該方法的計(jì)算精度已經(jīng)較高。圖 4、5為不同均勻設(shè)計(jì)樣本點(diǎn)數(shù)得到的易損性曲線的對(duì)比。

表3 不同均勻樣本點(diǎn)數(shù)的均方根差

Table 3 Root-mean-square-error (RMSE) is calculated for different UD tables with respect to LHS

均勻樣本輕微損傷SLBLRBpier中等損傷SLBLRBpierU15(157)0.0210.0270.0220.0290.0150.034U20(207)0.0220.0210.0170.0180.0090.043

基于Kriging模型的易損性分析中，在采用U15(157)均勻設(shè)計(jì)表格時(shí)，共抽取樣本15個(gè)，利用30條地震波進(jìn)行非線性時(shí)程分析共計(jì)算15×30=450次。在采用U20(207)均勻設(shè)計(jì)表格時(shí)，抽取樣本20個(gè)，計(jì)算20×30=600次。而采用LHS方法進(jìn)行計(jì)算時(shí)，要達(dá)到滿意的計(jì)算精度需要抽取樣本100個(gè)，并對(duì)地震波PGA作歸一化處理并調(diào)整為5個(gè)不同的等級(jí)，需計(jì)算100×30×5=15 000次。由圖 4、圖 5可知，U15(157)，U20(207)和LHS易損性曲線非常接近，Kriging易損性計(jì)算中15個(gè)樣本的計(jì)算已具有足夠的計(jì)算精度，計(jì)算結(jié)果已收斂。

圖 4 Kriging易損性曲線收斂性-輕微損傷Fig.4 Fragility curves using different UD tables (U15(157) and U20(207)) at slight limit states

圖 5 Kriging易損性曲線收斂性-中等損傷Fig.5 Fragility curves using different UD tables (U15(157) and U20(207)) at moderate limit states

3 結(jié)論

本文通過結(jié)合均勻設(shè)計(jì)與Kriging模型來求解地震易損性曲線，并以某三跨連續(xù)梁橋?yàn)槔M(jìn)行基于Kriging模型的易損性分析，通過對(duì)比不同均勻設(shè)計(jì)樣本數(shù)的Kriging易損性曲線和LHS易損性曲線，得出如下結(jié)論：

1)在易損性分析時(shí)，可以采用分別模擬響應(yīng)的均值與標(biāo)準(zhǔn)差Kriging模型的方法生成相應(yīng)與某損傷狀態(tài)的易損性曲線。

2)與傳統(tǒng)的LHS易損性方法相比，采用U15(157)和U20(207)均勻表格設(shè)計(jì)Kriging模型時(shí)，計(jì)算量分別減少97%和96%，顯著提高了計(jì)算效率。

3)與LHS易損性曲線相比，本文Kriging易損性曲線的計(jì)算精度較高，輕微和中等兩損傷級(jí)別下的均方根差(RMSE)均控制在理想范圍內(nèi)。

4)采用大約兩倍隨機(jī)變量數(shù)的設(shè)計(jì)樣本數(shù)(如本文中7個(gè)隨機(jī)變量的U15(157)均勻樣本)計(jì)算得到的Kriging易損性曲線已經(jīng)收斂。

[1]龐于濤. 考慮多種隨機(jī)因素的橋梁結(jié)構(gòu)地震易損性分析[D]. 上海: 同濟(jì)大學(xué), 2015. PANG Yutao. Seismic fragility analysis of bridges considering different sources of random factors[D]. Shanghai: Tongji University, 2015.

[2]馮清海. 特大橋梁地震易損性與風(fēng)險(xiǎn)概率分析[D]. 上海: 同濟(jì)大學(xué), 2008. FENG Qinghai. Study on seismic vulnerability and risk probability analysis of super-large bridge[D]. Shanghai: Tongji University, 2008.

[3]BURATTI N, FERRACUTI B, SAVOIA M. Response surface with random factors for seismic fragility of reinforced concrete frames[J]. Structural safety, 2010, 32(1): 42-51.

[4]龐于濤, 袁萬城, 黨新志, 等. 考慮材料劣變過程的橋梁地震易損性分析[J]. 同濟(jì)大學(xué)學(xué)報(bào): 自然科學(xué)版, 2013, 41(3): 348-354. PANG Yutao, YUAN Wancheng, DANG Xinzhi, et al. Stochastic fragility analysis of bridges with a consideration of material deterioration[J]. Journal of Tongji university: natural science, 2013, 41(3): 348-354.

[5]沈國煜, 袁萬城, 龐于濤. 斜拉橋復(fù)合地震易損性分析[J]. 同濟(jì)大學(xué)學(xué)報(bào): 自然科學(xué)版, 2013, 41(7): 970-976. SHEN Guoyu, YUAN Wancheng, PANG Yutao. Cable-stayed bridge seismic fragility analysis[J]. Journal of Tongji university: natural science, 2013, 41(7): 970-976.

[6]沈國煜, 袁萬城, 龐于濤. 基于Nataf變換的橋梁結(jié)構(gòu)地震易損性分析[J]. 工程力學(xué), 2014, 31(6): 93-100. SHEN Guoyu, YUAN Wancheng, PANG Yutao. Bridge seismic fragility analysis based on Nataf transformation[J]. Engineering mechanics, 2014, 31(6): 93-100.

[7]鐘劍, 龐于濤, 沈國煜, 等. 采用拉索減震支座的斜拉橋地震易損性分析[J]. 同濟(jì)大學(xué)學(xué)報(bào): 自然科學(xué)版, 2014, 42(3): 351-357. ZHONG Jian, PANG Yutao, SHEN Guoyu, et al. Seismic fragility analysis of cable-stayed bridges retrofitted with cable-sliding friction aseismic bearing[J]. Journal of Tongji university: natural science, 2014, 42(3): 351-357.

[8]FENG Qinghai, YUAN Wancheng, CHANG C C. Compound stochastic seismic vulnerability analysis and seismic risk evaluation for super large cable-stayed bridge[M]. INTECH Open Access Publisher, 2012.

[9]CHOUICHA M A, SILLER T J, CHARLIE W A. An expert system approach to liquefaction analysis part 2: evaluation[J]. Computers and geotechnics, 1994, 16(1): 37-69.

[10]WANG J, RAHMAN M S. A neural network model for liquefaction-induced horizontal ground displacement[J]. Soil dynamics and earthquake engineering, 1999, 18(8): 555-568.

[11]PAPADRAKAKIS M, LAGAROS N D. Reliability-based structural optimization using neural networks and Monte Carlo simulation[J]. Computer methods in applied mechanics and engineering, 2002, 191(32): 3491-3507.

[12]LAGAROS N D, PLEVRIS V, PAPADRAKAKIS M. Neurocomputing strategies for solving reliability-robust design optimization problems[J]. Engineering computations, 2010, 27(7): 819-840.

[13]馮清海, 袁萬城. 基于ANN-MC-IDA的橋梁隨機(jī)地震易損性分析方法研究[C]//第十八屆全國橋梁學(xué)術(shù)會(huì)議論文集. 天津: 中國土木工程學(xué)會(huì), 2008.

[14]LOPHAVEN S N, NIELSEN H B, Sondergaard J. DACE-a Matlab Kriging toolbox[EB/OL]. (2005-02-19). http://www2.imm.dtu.dk/ hbn/dace/.

[15]RAHMAN H S, ALIREZA K, REZA G. Application of artificial neural network, kriging, and inverse distance weighting models for estimation of scour depth around bridge pier with bed sill[J]. Journal of software engineering and applications, 2010, 3(10): 944-964. doi: 10.4236/jsea.2010.310112

[16]SHYY W, PAPILA N, VAIDYANATHA R, et al. Global design optimization for aerodynamics and rocket propulsion components[J]. Progress in aerospace sciences, 2001, 37(1): 59-118.

[17]MCLEAN P, LEGER P, TINAWI R. Post-processing of finite element stress fields using dual kriging based methods for structural analysis of concrete dams[J]. Finite elements in analysis and design, 2006, 42(6): 532-546.

[18]ROY R, HINDUJA S, TETI R. Recent advances in engineering design optimisation: challenges and future trends[J]. CIRP annals-manufacturing technology, 2008, 57(2): 697-715.

[19]KOEHLER J R, OWEN A B. 9 computer experiments[J]. Handbook of statistics, 1996, 13: 261-308.

[20]KNILL D L, GIUNTA A A, BAKER C A, et al. Response surface models combining linear and Euler aerodynamics for supersonic transport design[J]. Journal of aircraft, 1999, 36(1): 75-86.

[21]HWANG H H M, JAW J W. Probabilistic damage analysis of structures[J]. Journal of structural engineering, 1990, 116(7): 1992-2007.

[22]CHOI E, DESROCHES R, NIELSON B. Seismic fragility of typical bridges in moderate seismic zones[J]. Engineering structures, 2004, 26(2): 187-199.

[23]SHINOZUKA M, FENG M Q, LEE J, et al. Statistical analysis of fragility curves[J]. Journal of engineering mechanics, 2000, 126(12): 1224-1231.

Seismic fragility analysis of reinforced concrete bridges using the Kriging model

YUAN Wancheng, WANG Jianguo, PANG Yutao, JIA Lijun

(State Key Laboratory for Disaster Reduction in Civil Engineering, Tongji University, Shanghai 200092, China)

Seismic fragility is used herein to describe the probability that the structure responses exceed the performance limit state for a given seismic intensity measure. The Monte Carlo simulation and Latin hypercube sampling (LHS) are generally used to develop fragility curves. However, a relatively large number of simulations are necessary when considering a series of uncertainty variables. In this paper, we replaced the extremely time-consuming process associated with the IDA methods by a Kriging model. Then the method was applied to a three-span continuous beam bridges. Compared with the LHS curves, the Kriging fragility curve has a satisfactory accuracy and saves much time for curve development. A comparison of the fragility curves developed by different uniform design tables with respect to the LHS curves shows that the U15(157) uniform design sample can obtain a necessary convergence.

seismic fragility; Kriging model; bridge; surrogate model; uniform design; Latin hypercube sampling

2015-09-12.

日期：2016-05-27.

土木工程防災(zāi)國家重點(diǎn)實(shí)驗(yàn)室基金項(xiàng)目(SLDRCE14-B-14)；國家自然科學(xué)基金項(xiàng)目(51478339,51278376，91315301)；江西省科技計(jì)劃項(xiàng)目(20151BBG70064)；國家科技支撐計(jì)劃課題(2015BAK17B04).

袁萬城(1962-)男，教授，博士生導(dǎo)師，博士； 賈麗君(1967- )，女，副教授，博士.

賈麗君，E-mail：jialj@#edu.cn.

10.11990/jheu.201509037

TU312.1

A

1006-7043(2016) 11-1504-06

袁萬城，王建國，龐于濤，等. 基于Kriging模型的橋梁結(jié)構(gòu)易損性分析[J]. 哈爾濱工程大學(xué)學(xué)報(bào), 2016, 37(11): 1504-1509. YUAN Wancheng, WANG Jianguo, PANG Yutao, et al. Seismic fragility analysis of reinforced concrete bridges using the Kriging model[J]. Journal of Harbin Engineering University, 2016, 37(11): 1504-1509.

網(wǎng)絡(luò)出版地址：http://www.cnki.net/kcms/detail/23.1390.u.20160527.1354.016.html