刘鼎亮 郭明珠

摘 要：地震危险性分析是地震安全性评价的重要任务之一。危险性分析方法分为确定性方法和概率性方法。本文主要概述了地震危险性分析的发展和研究现状，总结了地震危险性分析的三个重要方面，即地震活动性模型、地震地面运动衰减规律和潜在震源识别，以期为其他学者的研究提供借鉴。

关键词：地震危险性分析;地震活动性模型;地震动衰减规律;潜在震源识别

中图分类号：P315 文献标识码：A 文章编号：1003-5168（2019）14-0142-05

Brief Introduction to the Status of Seismic Hazard Analysis

LIU Dingliang GUO Mingzhu

（Beijing University of Technology，Beijing 100124）

Abstract： Seismic risk analysis is one of the important tasks of seismic safety evaluation. Risk analysis methods are divided into deterministic method and probabilistic method. In this paper， the development and research status of seismic hazard analysis were summarized， and three important aspects of seismic hazard analysis were summarized， namely， seismicity model， attenuation law of seismic ground motion and identification of potential earthquake sources， in order to provide reference for other scholars'research.

Keywords： seismic hazard analysis;seismic activity model;ground motion attenuation law;potential source identification

我国属于地震灾害频发的国家，地震次数多，分布范围广，地震强度大，造成的灾害影响严重。地震危险性分析是工程抗震工作的重要内容之一，在震灾预防中发挥着重要作用。地震危险性分析方法分为确定性分析方法和概率分析方法。确定性分析方法是早期地震危险性分析中常用的方法，主要是指根据历史地震重演和地质构造外推的原则，利用区域历史地震活动特征、地震地质构造背景、地震烈度衰减关系等资料，估计某一区域未来遭遇的地震烈度水平，并以确定的数值来表达。概率分析方法是由康奈尔在1968年提出的，将某一地面运动参数的年超越概率作为评价指标。

康奈尔认为，地震的发生服从泊松分布，各震级的发生率服从古登堡-里氏震级-频率关系。因为遵守这两个假设，因此，模型中的地震发生率在任何时候都是确定的。但事实上，大多数断层地震活动并不是一个平稳的过程，且与时间无关的模型可能会高估或低估某一时间的风险。为了解决这些问题，部分学者通过进一步研究逐步提出了时变分析模型。

本文介绍了地震危险性分析的历史和进展，以及地震活动模型、地震动衰减规律和潜在震源识别的发展历史和研究现状，并对今后的应用进行了展望。

1 地震危險性分析的研究历史

1958年，冈贝尔通过对极值的系统研究，提出了年超越概率和平均重现期这两个作为各种地震危险性分析方法的核心概念。但其刚刚问世时的计算是完全依赖于历史地震资料的，和确定性方法中的地震活动性重演有着相似的理论应用。

1968年，康奈尔（Cornell）[1]提出利用地质学、大地构造学和地震学的综合数据建立相应的数学模型来评估场地的地震危险性。这一方法为日后的分析方法创立了一个基本框架。现有的概率分析方法都是基于康奈尔方法，是通过对其假设的改进和模型的完善而发展起来的。

1977年，科若根（Kiureghian A D）和洪华生（Ang A H）[2]将康奈尔分析方法中第四条假定的震源距衰减更改为断层距衰减，形成了断层破裂模型。与康奈尔的模型相比，该模型更适合处理大地震的近场情况。同年，该模型被梅圭尔编写为计算机程序，得到推广。

概率地震危险性分析方法于1982年由章在镛和陈达生[3]引入我国，经过高孟潭[4，5]和时振梁等人[6]的改进后能反映我国地震活动的时空异质性，被广泛应用在地震区划以及地震安全性评价等工作中。

1988年，加利福尼亚地震发生工作组（WGCEP）使用时变模型来分析加利福尼亚的圣安德斯断裂带[7]，并在20年后建立了第二版全州时变风险分析模型[8]。该模型研究了加利福尼亚未来30年的不同地震，并将地震发生率与以往的研究进行了比较。

WGCEP于2014年发布了第三版加州地震破裂预测模型[9]。该模型完善了第二版模型对断层分割和多断层破裂研究不足的影响，得到了加利福尼亚断层的详细数据。第三版比第二版更接近观测数据。

2013年，台湾大学的陈教授[10]将时变分析方法应用于花莲地区的地震风险分析研究中。该研究考虑了地震间的相互作用以及应力改变的问题，同时融入了地震预测的相关理论研究。

2015年，郭星[11]针对具有明确分段的特征断层源，从震级的不确定性出发，在弹性回跳理论的基础上提出了一种随机特征滑动模型。在随机特征滑动模型中，不仅在参数确定过程中考虑了震级与复发间隔之间的相关性，还可以在计算未来一段时间内地震发生概率的过程中，同时得到特征地震的震级分布。

2018年，林慧卿等人[12]在假设地震发震时间间隔序列服从二参量韦伯分布的研究成果基础上，引入最短地震发震时间间隔参量，假设发震时间间隔服从三参量韦伯分布，分别计算二参量和三参量韦伯分布的地震潜源区的强震危险性。研究发现，引入最短时间间隔参量后的三参量韦伯分布相较于二参量预测更加准确，错误预测风险更低。同年，张文朋[13]借鉴其他灾害危险评价方法，通过对断裂构造及地震等基础资料进行分析处理，建立了适合大区域的地震危险水平评价方法体系，并以天津市为例，在只考虑地震和断裂的基础上，计算得到天津市地震危险性分布图。

2019年，邓世广等人[14]根据泊松分布的地震概率预测以及多个相关学科预测方法的准确度，利用贝叶斯定理得到每项地震危险概率预测结果，而后利用综合概率法给出综合预测结果。这种方法综合了各个学科，得到的结果更加准确。

2 研究现状

2.1 地震活动性模型

地震活动性模型是否时变是上述两类概率地震危险性分析方法间最大的区别。地震活动性模型是用来计算地震年发生率的一种计算模型。从康奈尔提出概率地震危险性分析方法至今，人们已经提出了多种地震活动性模型，如泊松模型以及各种时空非平稳性的模型。但目前，泊松模型已经逐渐淡出了研究者的视线。时空非平稳性模型包括认为地震活动存在活跃期和平稳期的分段泊松模型、描述地震活动在时间轴上的疏密的随机点过程模型、利用特征地震概念建立的基于特征地震的地震活动性模型以及基于地震活动的时空转移的马尔科夫链模型等 [15-17]。其中，应用较为广泛的是分段泊松模型和特征地震模型。

2.1.1 分段泊松模型。分段泊松模型又被称为两态泊松模型，是泊松模型改进的一种形式。这一模型认为，地震活动拥有活跃期和平静期，这两个时期的地震活动对应着不同的地震发生率。

Kameda等[15]首次应用两态泊松分布计算地震发生率。Bender[18]在利用分段泊松分布模型计算时认为，地震的活跃期可转化为平静期，同时平静期也可转化为活跃期，即地震的活跃期和平静期以一定概率相互转化。

董瑞树[19-21]通过分别使用两态泊松和泊松分布计算临汾及太原的地震危险性，得出分段泊松分布相比于泊松分布更符合实际的结论。

2.1.2 特征地震模型。特征地震模型是一种同时考虑特征震级和复发间隔的模型。某一断层，在长期活动中反复破裂，且这些事件有相同或相近的破坏模量，被称为特征地震。需要注意的是，随着上一次特征地震发震到计算的时间节点越久远，那么特征地震的发震概率也就越大。这一特点使计算结果符合地震发生的物理机制，因而受到学者们的广泛关注。

S.G.Wesnousky[22]利用纽波特-英格尔伍德断层、埃尔西诺断层、加罗克断层、圣哈辛托断层以及圣安德烈斯斷层的古地震目录以及近代发生的被记录下来的地震资料，通过回溯震级等与时间的关系，认为纽波特-英格尔伍德断层、埃尔西诺断层、加罗克断层及圣安德烈斯断层的发震模式符合特征地震的发震模式，虽然圣哈辛托断层的发震模式更符合G-R模型，但如果将其分段，那么每一段也符合特征地震的发震模式。其还认为，与古登堡-里克特分布相比，利用特征地震分布来计算地震危险性会更符合预期。

最早的特征地震模型是由Nishenko[23]等人建立的。其通过研究环太平洋地震带大地震的复发，给出了环太平洋地震带的特征地震模型。

沈军等人[24]利用小江断裂带研究分析了次级地震对特征地震重现期的影响，使从古地震资料中获得的特征地震重现期更为精确。

张力方等人[25]根据鲜水河断裂各段的特征震级等参数，建立了鲜水河断裂的分段特征地震模型，并利用该模型分析了鲜水河断裂的危险性，最终得到该断裂带在特征地震作用下的地震场预测图。

2.2 地震动衰减规律

地震动衰减规律因在工程抗震设计和地质灾害区划中的广泛应用而受到越来越多学者的关注。一般情况下，地震动衰减规律的表达式中应包含震源、路径、场地这三部分参数，表达式是由强震记录直接拟合而成，具有很强的地域相关性。拟合地震动衰减规律方法有三种：直接经验统计法、间接统计分析法和综合研究法。

2.2.1 直接经验统计法。日本和美国由于拥有相对于他国更丰富的强震记录，因此，先于他国开始了这一方面的研究。衰减关系以峰值加速度、峰值速度以及反应谱为观测值，以描述观测值与震级、场地和震源间的距离为主。

1956年，Richter和Gutenberg[26]利用California的强震记录得到了衰减关系，开始了衰减规律的研究。在Richter方程中只考虑了距离、卓越周期和震级等参数，这是由于早期的记录中只记录了距离、震级卓越周期等少量数据。

Milne和Davenport在1969年首次在地震动衰减规律表达式中的距离项加入了震级参数，以考虑震级对地震动峰值加速度的影响[26]。

1981年，Joyner和Boore两人[27]在对大量的强震记录进行分析的基础上，简单考虑了土层场地与岩石场地之间的区别，得到了包括加速度和震级、震中震源距以及包含场地属性在内的表达式。

2.2.2 间接统计分析法。地震记录丰富的地区可以直接使用直接经验统计法拟合得到该地的地震动衰减规律，但很多地区的地震记录缺失，无法直接通过数学统计出衰减规律。为了应对地震记录缺失的问题，学者们提出了以下两种解决办法：第一，利用地震烈度变换方法研究地震动与历史强度数据之间的关系;第二，将地震源模型与随机振动理论相结合的半经验和半理论方法。后者弥补了直接经验统计方法无法描述地震波的源类型、破裂方向和传播介质这一缺陷。

1979年，Mcguire和Hanks等人[28]将随机振动理论应用于地震动模拟，把震源引起的弹性半无限空间上某点的加速度看作高斯白噪音，因而得到了极为简化的PGA衰减关系。1992年，Atkinson[29]利用随机振动理论推导了加拿大地震动衰减关系。1997年，Beresnev和Atkinson两人[30]认为，发震断层可视为多个震源的叠加，某点的地震动加速度看作这多个震源的共同作用，并改进了地震动预测的随机方法。

2.2.3 综合研究法。近年来，随着计算机的不断普及和计算机技术的不断发展，加上数字台站的建设和完善，地震记录越来越丰富和完善。研究人员通过融汇数值模拟、经验统计等方法，结合地震及地质等学科，建立了一批新的衰减关系。这些新的衰减关系通常考虑了3个主要部分，即震源效应、路径效应和场地效应。

2003年，Campbell[31]借助丰富的强震记录以及美国西北地区的地震动经验关系，利用混合经验方法得到了美国东北部的地震动衰减规律。

Boore，Kamai R和Campbell等[32-34]利用PEER强运动记录，结合数字模型、理论分析和经验统计，考虑了震级、震源、盆地效应和场地非线性，为美国西部建立了新的地震动衰减规律。

综上可知，随着地震动记录的不断丰富和记录研究方法的改进，地震动衰减规律逐渐发展起来。开始只考虑几个简单的如震级震源距等参数，通过简单回归得到表达式，随着其不断发展，在考虑原有简单参数的基础之上，更综合了如震源类型、场地非线性反应等对地震动衰减规律的影响，极大地推进了地震动衰减规律的研究进程和应用前景。

2.3 潜在震源识别

潜在震源区是未来可能发生破坏性地震的地区。潜在震源区的确定是地震危险性分析的基础，其确定精度直接影响地震危险性分析的正确性。对于潜在震源区的识别方法，随着学者的不断深入研究，逐渐发展出了如亨明方法、贝叶斯方法、聚类方法等模式识别方法。这些方法的出现为地震危险性分析提供了可靠的科学依据，使潜在震源区的判定更符合实际。

模式识别最初应用于文字、指纹、图片识别等领域，利用类似人工神经网络等方法实现计算机程序模拟人的思维方式，利用人类的思维方式，使原本认为并不存在关系或关系十分复杂的两类或者多类因果关系变得明朗起来，用于复杂的计算和判别工作，进一步认识各事物的相互关系。学者们将模式识别的方法引入地震危险性分析中的地震危险区判定，并且取得了良好的效果。

1985年，马秀芳、王碧泉、王春珍三人[35]针对北京及邻近地区的地质地貌等特征进行了模式识别，找到了该区域内易引发地震的地点。同时，他们认为，在研究范围内，某地区活动断层数目越多，将该地区判定为地震可能发生点的概率也就越大;地形对本区地震发生地点的贡献很小。该结论与其他相关研究的结果有所不同。

1989年，张学敏和许世昌[36]两人对辽东半岛南部地区的地质地貌特征进行了模式识别，认为该地区内已发生地震的地点与主活动断裂及新生代断陷盆地有关，且活动断裂的数量越多，发生中强震的概率也就越大。

1990年，李秉锋等学者[37]利用模式识别方法对山东省及山东半岛附近海域的地质地貌等特征进行了识别判定。该研究认为，模式识别法较其他方法得到的潛在震源区的范围较小，但更加精确。

1993年，蒋秀琴[38]等人利用Cora-3修改方法和Hamming方法对辽东及邻近地区的地质地貌进行了识别，两种方法得到的结果基本一致，均认为活动断层处易发生地震，历史地震发生位置易发震以及重力异常带易发生地震。该研究成果弥补了辽宁地区震源识别工作的不足，为辽宁及其邻区确定潜在震源区提供了依据。

1993年，马尔曼[39]利用ISODAT聚类方法对兰州古浪地区进行了潜在震源的模式识别。根据对该地区地质地貌深部构造等的识别，给出了该地区的潜在震源区以及震级上限。同时，他认为，ISODAT聚类方法对潜在震源区的综合判定具有一定的科学依据，因此得到的结果也更加合理。

3 结语

随着概率地震风险分析的快速发展，其在地震风险评价、防灾等方面得到了更广泛的应用。分析方法的发展因各个学科之间的合作越来越紧密而越来越快速，精确度也越来越高。同时，分析方法中的每个环节也都有了不同程度的进展。虽然近年来人类对地震有了一定的了解，并在某些领域进行了深入研究，但不可否认的是，人类对地震的认识仍较为浅显，地震危险性分析方法会在认识的不断提升中愈加完善。今后，各学科的协同合作、进步会使危险性分析中各个环节的联系更紧密、更广泛，使地震危险性分析的结果更精确。

参考文献：

[1] Cornell C A. Engineering seismic risk analysis[J]. Bulletin of the Seismological Society of America， 1968， 58（11 Suppl 1）：183-188.

[2] Kiureghian A D ， Ang A H . A fault-rupture model for seismic risk analysis[J]. Bulletin of the Seismological Society of America， 1977（4）：1173-1194.

[3]章在墉，陈达生.二滩水电站坝区场地地震危险性分析[J].地震工程与工程振动，1982（3）：1-15.

[4]高孟潭.地震危险性分析方法概述[J].国际地震动态，1986（11）：11-14.

[5]高孟潭.关于地震年平均发生率问题的探讨[J].国际地震动态，1988（1）：3-7.

[6]时振梁，鄢家全.地震区划原则和方法的研究：以华北地区为例[J].地震学报，1991（2）：179-189.

[7] Field E H. The Working Groups on California Earthquake Probabilities[C]// Agu Fall Meeting. 2005.

[8] Field E H， Dawson T E， Felzer K R， et al. Uniform California Earthquake Rupture Forecast， Version 2 （UCERF 2）[J]. Bulletin of the Seismological Society of America， 2008（4）：1122-1180.

[9] Field E H， Arrowsmith R J， Biasi G P， et al. Uniform California Earthquake Rupture Forecast， Version 3 （UCERF3）—The Time Independent Model[J]. Bulletin of the Seismological Society of America， 2015（3）：1122-1180.

[10] Chan C H， Wu Y M， Cheng C T， et al. Time-dependent probabilistic seismic hazard assessment and its application to Hualien City， Taiwan[J]. Natural Hazards & Earth System Sciences， 2013（5）：1143-1158.

[11]郭星.強震复发的随机特征滑动模型及其应用方法研究[J].国际地震动态，2015（2）：45-47.

[12]林慧卿，黎己余，郭宝任，等.基于韦伯分布的地震潜源强震危险性分析方法[J].科学技术创新，2018（26）：15-19.

[13]张文朋.基于AHP-FUZZY的地震危险度评价初探[J].华北地震科学，2018（4）：63-72.

[14]邓世广，周龙泉，马亚伟，等.基于贝叶斯定理的地震危险性概率预测研究[J].中国地震，2019（1）：1-13.

[15] Kameda H，Ozaki Y. A renewal process model foruse in seismic risk analysis[C]//Memoirs of the Faculty of Engineering，Kyoto University.1979.

[16] Lomnitz-Adler J，Lomnitz C. A modified form of the Gutenberg-Richter magnitude-frequency relation[J]Bull Seism Soc Am，1979 （4）：1209-1214.

[17] Nishenko S P，Buland R. A generic recurrence interval distribution for earthquake forecasting[J].Bulletin of the Seismological Society of America，1987（4）：1382-1399.

[18] Bender B，1984，A two-state Poisson model for seismic hazard estimation[J].Bull Seism Soc Am，1984（4）：1463-1468.

[19]董瑞树，冉洪流，任国强.利用混合地震模型研究祁连山地区的地震危险性[C]//中国地震学会.中国地震学会第七次学术大会论文摘要集.1998.

[20]董瑞树，冉洪流.临汾盆地地震危险性浅析[J].山西地震，1995（z1）：119-123.

[21]董瑞树，任国强，冉洪流.地震区划中混合地震模型研究：以祁连山为例[J].地震地质，1999（1）：37-47.

[22]Wesnousky S G，刘新美.古登堡-里克特分布还是特征地震分布？[J].世界地震译丛，1995（5）：43-62.

[23]Nishenko S P，Buland R. A generic recurrence interval distribution for earthquake forecasting[J].Bull Seism Soc Am，1987（4）：1382-1399.

[24]沈军，汪一鹏，宋方敏，等.相对蠕滑速率与特征地震复发间隔的估计：以小江断裂带为例[J].地震地质，1998（4）：41-44.

[25]张力方，兰景岩，吕悦军，等.基于鲜水河断裂带特征地震的地震动预测研究[C]//2017年全国工程地质学术年会论文集.2017.

[26]卢建旗.中强地震活动区地震动衰减规律研究[D].哈尔滨：中国地震局工程力学研究所，2009.

[27] Boore， J W B A. Peak horizontal acceleration and velocity from strong motion records including record from 1979 Imperial valley， California， Earthquake[J]. Bull Seism Soc Am，1981（6）：2011-2038.

[28] Hanks T C， Mcguire R K. The character of high-frequency strong ground motion[J]. Bull.seism.soc.am，1981（3）：1897-1919.

[29] Atkinson GM. Attenuation of strong ground motion in Canada from a random vibrations approach[J]. Bulletin of the Seismological Society of America， 1984（5）：2629-2653.

[30] Beresnev I A， Atkinson G M. Modeling Finity-Fault Radiation from the ωn Spectrum[J]. Bulletin of the Seismological Society of America，1997（1）：67-84.

[31] Campbell K W， Bozorgnia Y. NGA Ground Motion Model for the Geometric Mean Horizontal Component of PGA， PGV， PGD and 5% Damped Linear Elastic Response Spectra for Periods Ranging from 0.01 to 10 s[J]. Earthquake Spectra， 2008（1）：139-171.

[32] Boore D M， Atkinson G M. Ground-Motion Prediction Equations for the Average Horizontal Component of PGA， PGV， and 5%-Damped PSA at Spectral Periods between 0.01 s and 10.0 s[J]. Earthquake Spectra， 2008（1）：99-138.

[33] Kamai R，Abrahamson N.A.， Silva W.J.. Nonlinear Horizontal Site Amplification for Constraining the NGA-West2 GMPEs[J]. Earthquake Spectra，2014.

[34] Bozorgnia Y， Cambell K W. Vertical Ground Motion for PGA， PGV， and linear Response Spectra Using the NGA-West 2 Database[J]. Earthquake Spectra，2016（2）：979-1004.

[35]馬秀芳，王春珍，王碧泉.用模式识别方法确定北京及其邻近地区易发生地震的地点[J].地震学报，1985（4）：374-384.

[36]张学敏，许世昌.用模式识别方法确定辽东半岛南部地区易发生地震的地点[J].东北地震研究，1989（3）：59-65.

[37]李秉锋，郭英琪，马秀芳.用模式识别方法判定山东地区潜在震源区[J].地震学刊，1990（3）：73-79.

[38]蒋秀琴，王国新，李东春.用模式识别方法划分辽宁及其邻区的潜在震源区[J].地震地质，1993（1）：51-56.

[39]马尔曼.用ISODATA方法对兰州：古浪地区潜在震源的识别[J].高原地震，1993（3）：34-41.