开展可靠的地震动模拟是地震灾害评估和地震工程学中最重要的挑战之一。由于构造环境和地质条件的多样性,观测到的地震动记录可能在区域上有所差异。本文为了使模拟地震动记录能够符合区域地震动的主要特征,基于机器学习和优化算法搭建了一套区域地震动模拟框架。以日本关东地区为例,围绕所提出的区域地震动模拟框架展开具体地应用研究,主要工作如下:1.在本文搭建的区域地震动模拟框架中,应用主成分分析算法对区域地震动数据进行特征提取得到一组特征地震动母波。在设定地震情景下,由区域地震动预测方程给出模拟场点对应的目标值,即峰值加速度（PGA）、反应谱（SA）、显著持时(DS5-75)和Arias强度（IA）。作为模拟约束的这四个地震动强度指标可以分别表征地震动的幅值、频谱、持时和累积能量。最后,利用多目标遗传算法求解各条特征地震动母波在时域上叠加时对应的组合系数值,生成最终的模拟地震动记录。2.以关东地区为研究目标区域,对本文所搭建的区域地震动模拟框架进行具体应用。收集整理了日本K-NET强震台网在2000年至2020年记录到的地震动数据构建了关东区域地震动数据库。并对区域数据按照地震构造位置不同进行了分类。然后,对每条记录进行统一处理（即基线校正、带通滤波）。另外,本文将区域数据库按照长短持时进行了分组,应用主成分分析算法对各组数据分别进行了特征提取处理,得到各分组对应的特征地震动母波。3.基于支持向量回归算法开发了关东区域的非频谱地震动强度指标的预测方程（GMPEs）,包括:Arias强度（IA）、累积绝对速度（CAV）以及显著持时(DS5-75和DS5-95)。为了验证支持向量回归模型的合理性和有效性,对相关系数、斜率系数等性能指标和模型残差进行了分析。另外,将开发SVR GMPEs与实际观测数据和已有的GMPEs也进行对比分析。4.为了展示所搭建的区域地震动模拟框架的应用效果,人为设定具体的地震情景和模拟场点。其中,各模拟场点的目标持时分别对应着实际数据按照持时长短划分后的6个分组,由各分组特征提取得到的特征地震动母波来进行模拟计算。将模拟地震动的计算值与区域地震动预测模型给出各强度指标的目标值的进行匹配,从而实现了对区域地震动特征的综合考虑。