对区域已有建筑的地震易损性评估可为城市防震减灾工作提供重要科学依据。通过敏感性分析找出对结构地震易损性影响较大的结构特征参数,可有效减少对区域建筑群体的参数调研工作,能显著提高区域建筑地震易损性评估的效率。深度神经网络算法具备强大的数据学习能力,可用于实现钢筋混凝土框架结构(以下简称“RC框架结构”)的特征参数与结构地震损伤之间的非线性映射,为RC框架结构地震易损性的敏感性分析提供比较准确的数学关系模型。本文将基于神经网络的敏感性分析方法应用于RC框架结构地震易损性的参数敏感性分析中,并结合基于构件变形的抗震性能评估方法,以获取科学准确的结构特征参数影响性排序。本文主要研究工作和成果如下:(1)选取设防烈度、场地类别、平行于地震波加载方向的跨度、平行于地震波加载方向的跨数、垂直于地震波加载方向的跨数、标准层层高和结构层数共7个结构特征参数作为变量,采用YJK软件完成2592个典型RC框架结构模型的设计,并基于Open SEES分别进行7条地震波的动力增量时程分析。为评估RC框架结构的地震易损性,选取各楼层的最大层间剪力、最大层间位移角、残余层间位移角和最大水平位移四个指标作为结构层次的地震损伤指标;选取各楼层处于7个性能状态的梁、柱构件在该类构件中所占的比例作为构件层次的地震损伤指标,并根据弹塑性分析结果提取出62208组楼层地震损伤指标数据。(2)基于深度前馈神经网络算法,分别设计和训练结构层次和构件层次的地震损伤指标预测模型,通过向模型输入PGA、所在楼层和结构特征参数即可预测RC框架结构的地震损伤情况。结构层次地震损伤指标在测试集上的平均预测准确率为86.87%;构件层次地震损伤指标在测试集上的预测准确率稍低,其中梁构件性能状态1、2、3三个占比的平均预测准确率为74.07%,对于柱构件则为82.91%,但模型对各楼层梁、柱构件不同性能状态的分布规律的预测效果较好,足以支撑对结构整体损伤情况的判断。(3)采用基于神经网络的MIV敏感性分析方法,分别探究不同特征参数对结构层次和构件层次地震损伤指标的影响性大小。对于结构层次地震损伤指标,特征参数的综合影响性排序为PGA>设防烈度>标准层层高>结构层数>场地类别>平行于地震波加载方向的跨度>平行于地震波加载方向的跨数>垂直于地震波加载方向的跨数;对于构件层次则为PGA>场地类别>设防烈度>标准层层高>结构层数>平行于地震波加载方向的跨度>平行于地震波加载方向的跨数>垂直于地震波加载方向的跨数。