《Natural Hazards Research》：An artificial fuzzy inference system combined with probabilistic methods for pre-earthquake building hazard risk assessments.
编辑推荐：
模糊推理系统（FIS）是人工智能方法之一，其基于数值数据进行语言学处理，从而获得作为前件科学结果的有效类别。该系统还以模糊逻辑集的形式纳入专家观点。震前建筑评估研究对于各类地震易发区减少财产损失与人员伤亡具有重要意义。本文提出将概率方法与FIS聚类程序相结合，
模糊推理系统（FIS）是人工智能方法之一，其基于数值数据进行语言学处理，从而获得作为前件科学结果的有效类别。该系统还以模糊逻辑集的形式纳入专家观点。震前建筑评估研究对于各类地震易发区减少财产损失与人员伤亡具有重要意义。本文提出将概率方法与FIS聚类程序相结合，用于每栋建筑的震前评估。该方法的核心在于提供概率风险与模糊c均值（FCM）软聚类方法的联合应用。基本变量包括柱面积比、高度比、框架效应、惯性矩（刚度）以及建筑高度。所提出的方法应用于土耳其伊斯坦布尔泽伊廷布尔努（Zeytinburnu）地区1000余栋建筑。尽管通过对该区域1000余栋建筑的调查获得了目测与平面图数值数据，但本文仅选取其中50栋用于方法学展示。研究采用5个灾害类别，即“倒塌”“严重”“中等”“轻微”和“无”。对于各变量，在风险水平0.50、0.20、0.10、0.04和0.01下，得到相应灾害类别比例分别为：“倒塌”36%，“严重”26%，“中等”28%，“轻微”4%，“无”6%。
该论文发表于《Natural Hazards Research》，研究聚焦于地震高风险地区既有建筑的震前快速危险性评估问题。研究背景在于，土耳其位于复杂板块构造作用区，长期承受较强构造挤压，地震灾害频发，建筑物倒塌及由此引发的人员伤亡和财产损失尤为严重。现有防灾工作中，震后损伤评估固然重要，但相较之下，震前识别脆弱建筑、提前实施加固或拆除，更有助于降低灾害后果。当前建筑抗震评估面临的核心问题在于：其一，建筑地震响应受多种不确定性共同影响，包括结构材料、构件布置、设计偏差与施工误差等，难以完全由确定性数学表达式准确刻画；其二，传统清晰分类方法将建筑刚性划入彼此截然分离的风险等级，难以表达现实中建筑危险性的过渡性与模糊性；其三，工程判断中往往同时存在数值不确定性与专家经验性判断，单一概率方法或单一模糊逻辑方法均难以充分兼顾。因此，开展一种同时整合概率风险分析与模糊分类机制的震前建筑危险性评估研究，具有明确的工程应用价值。
研究人员围绕伊斯坦布尔欧洲侧泽伊廷布尔努区既有建筑开展研究。该区域靠近北安纳托利亚断裂带，属于一级地震区，未来可能遭受显著地震影响。论文所用数据由伊斯坦布尔大都会市政府采集，来源于该区1000余栋建筑的现场目测调查与工程平面图数值化信息。为说明方法，正文展示了其中50栋建筑样本。研究人员选取若干与抗震性能密切相关的结构指标，包括高度比、面积比、柱面积比、惯性矩、框架效应以及部分数据表中的峰值地面速度（PGV），重点以柱面积比、高度比、框架效应、惯性矩和建筑高度等指标构建震前评估框架。论文的总体目标是建立一种新型快速震前建筑评估程序，将概率风险等级划分与模糊c均值聚类（FCM）联合起来，用于判定建筑在“无”“轻微”“中等”“严重”“倒塌”五类危险等级中的隶属程度（MD）。
研究所用主要技术方法可概括为两类。第一，概率累积分布函数（CDF）方法：对各结构变量的经验累积分布进行排序、赋秩与经验概率计算，再从Weibull、Gamma、Pearson等理论分布中寻优拟合，并用Kolmogorov-Smirnov检验验证拟合可接受性，据此在等概率分段基础上划分危险等级阈值。第二，模糊c均值（FCM）聚类方法：对成对结构变量进行软聚类，最小化目标函数，求得各建筑样本对五类危险等级的隶属度矩阵，使每个样本可同时属于多个类别但隶属度总和为1。样本来源为土耳其伊斯坦布尔泽伊廷布尔努区1000余栋建筑，其中50栋用于方法展示。
在研究结果部分，论文首先报告了“4.1. Probabilistic method”的结果。研究人员基于50栋建筑样本的各项变量，分别建立经验CDF与理论CDF，并在图示中比较二者吻合情况。尽管部分变量存在一定偏差，但Kolmogorov-Smirnov检验表明其在5%误差限内可接受。随后，研究人员按20%的等概率区间将每个变量划分为5个危险等级区间，并得到相应阈值。例如，面积比、建筑高度、柱面积比、框架效应和高度比分别匹配不同类型的理论概率分布，其中建筑高度和高度比适配Weibull分布，柱面积比适配Gamma分布，框架效应适配Pearson分布。通过这种处理，研究建立了从结构指标到概率风险水平的映射关系，为震前建筑快速预警提供了可操作的数值基础。论文还给出了0.50、0.20、0.10、0.04、0.02与0.01等风险水平下的各变量取值，有助于风险分级的工程解释。
在“4.2. Fuzzy logic categorization”部分，研究人员在概率分类结果基础上进一步引入FCM方法，以成对变量构建二维模糊散点聚类图，实现建筑震害等级的模糊归属分析。论文展示了5组代表性变量组合，包括“高度比—柱面积比”“柱面积比—框架效应”“惯性矩—框架效应”“柱面积比—惯性矩效应”“楼层面积比—柱面积比”。每一组合均通过Matlab程序执行FCM计算，并得到5个聚类中心及各样本在不同灾害类别中的隶属度。研究结果表明，不同结构变量与危险等级之间存在方向明确的逻辑联系：高度比增大时危险性升高，柱面积比增大时危险性降低；框架效应增大通常意味着建筑抗侧力性能增强，危险性减小；惯性矩增大反映结构刚度提高，也对应更好的抗震能力；楼层面积比增大则更易趋向高危险类别。通过在二维图中叠加概率边界与模糊聚类中心，论文实现了概率分级与模糊隶属分析的集成解释。作者指出，各样本的最大隶属度可作为主管部门进行最终判定的重要参考。
进一步地，论文利用二维危险分类矩阵将横纵两个变量的5级分类组合成25个子类，以支持工程决策。根据矩阵分区，不同颜色对应不同处置建议：部分区域可视为相对安全，无需过度投入；部分区域需进一步核查后决定加固或拆除；而高风险区域对应应优先拆除的建筑。研究人员强调，这一矩阵分类是结合伊斯坦布尔市政相关抗震专业人员的建议形成的，因此兼具计算结果与工程经验基础。综合概率与模糊结果，50栋样本建筑最终在五类危险等级上的比例分别为：“倒塌”36%、“严重”26%、“中等”28%、“轻微”4%、“无”6%。也就是说，仅约10%的建筑位于“无”与“轻微”类别，可能仅需简单加固或无需重大干预；相反，大部分建筑处于中等及以上风险等级，显示该区域既有建筑抗震风险较为突出。
在讨论部分，论文指出，地震条件下建筑损伤的形成机制极其复杂，涉及建筑构造、框架体系、剪力墙（curtain/shear walls）、柱梁系统以及惯性矩所反映的整体刚度等多方面因素，且这些因素共同作用方式具有显著随机性和模糊性。正因如此，单纯依赖确定性方法不足以应对现实场景中的复杂不确定性。研究人员认为，将概率方法用于处理数值型随机不确定性，将模糊逻辑特别是FCM用于处理多类别、渐变式、含专家判断的模糊不确定性，能够更贴切地表达建筑震害风险。论文将这种联合框架视为相较既有研究的一项方法学推进，因为其不仅能够对变量进行风险概率评估，还能进一步对每栋建筑在多个危险等级上的归属强度进行排序，从而为地方政府、主管部门及业主提供优先级明确的决策依据。论文同时给出基于分类结果的处置原则：归为“无”类建筑可维持现状；“轻微”类可低成本加固或视为基本无损；“中等”类应根据危险等级与业主经济条件决定拆除或加固；“严重”与“倒塌”类则应优先拆除。
研究结论部分可概括为：本文旨在提出一种不同于现有文献方法的有效震前建筑灾害评估框架。该框架包含两条主线：一是用于数值处理的概率方法，二是用于生成地震抗力变量成对关系及五级模糊灾害分类的模糊c均值方法。概率程序通过将理论累积分布函数（CDF）拟合至经验数据集，并将风险概率范围按20%等分，建立“无”“轻微”“中等”“严重”“倒塌”五类危险等级；随后再与模糊分类结果进行整合，形成最终的建筑地震危险性分类。研究采用柱面积比、高度比、框架效应、惯性矩（刚度）和建筑高度5个变量，并基于伊斯坦布尔泽伊廷布尔努区50栋建筑样本进行了方法应用。结果显示，“倒塌”“严重”“中等”“轻微”“无”5类建筑分别占36%、26%、28%、4%和6%。因此，仅有10%的建筑位于“无”和“轻微”危险等级，必要时可能只需简单加固。论文同时给出了各变量在0.50、0.20、0.10、0.04、0.02和0.01风险水平下的对应取值。总体而言，该研究为地震易发城市既有建筑的震前快速筛查、风险排序与治理决策提供了一种兼顾概率性与模糊性的实用方法。
