城市集中了大量的人口和财富,一旦在城市及其附近发生地震极易造成严重的人员伤亡和经济损失,对震害进行及时、准确的分析对减轻城市地震灾害具有重要意义。为了进一步提升城市建筑群震害分析的准确性和时效性,本文在城市建筑群震害模拟方法的基础上针对以下两方面开展研究。一方面,通过引入结构监测数据研究城市建筑群的模型更新方法,以提升分析模型的准确性;另一方面,通过引入情景匹配方法和聚类算法建立两种城市建筑群震害快速模拟方法。本文的具体研究内容包括:（1）从提升模型准确性的角度出发,建立了基于监测数据的区域层次城市建筑群模型更新方法,利用数量有限的监测建筑结构信息实现整个建筑群的模型更新。首先,通过引入结构模态振型之间的相似关系,实现了密集监测结构后验模态振型系数均值在稀疏监测结构模型更新中的应用,有效提高了稀疏监测结构模型参数的更新效率和精度。然后,运用贝叶斯理论框架提出了对建筑群结构模型参数取值公式的更新方法,进一步依托模型参数取值公式,建立了无监测结构模型参数更新方法,实现了基于少量结构监测数据的群体结构模型更新。最后,采用算例分析研究了算法参数设置对更新结果的影响规律,验证了区域层次建筑群模型更新方法的可行性。（2）为了减少城市震害模拟的计算时间,提出了基于震害情景匹配方法的城市建筑群震害快速模拟方法。该方法通过提前进行大量的地震动非线性时程分析,将计算结果存储在城市震害情景库中,实现大量复杂计算工作的前移。当有快速构建震害情景的需求时,采用匹配算法直接从数据库中抽取数据,快速生成目标地震动的建筑震害情景。构建了三种匹配算法,即单波震害匹配法、多波震害拼接法、多波震害叠加法。从精确性、鲁棒性、高效性三个方面对匹配算法进行对比研究,研究表明多波震害拼接算法为相对最优的算法,损伤指数匹配误差平均值为12.8%,相比直接采用非线性时程分析方法,计算时间减少95%以上。采用基于多波震害拼接法的震害情景匹配方法对一个大型城市在差异性地震动下的结构损伤分布进行了计算,结构损伤指数平均匹配误差为15.7%,77.7%的结构匹配至正确的损伤状态等级,验证了情景匹配方法在差异性地震动输入下的有效性。（3）为减小城市震害模拟的计算量、提升计算速度,提出了基于聚类算法的城市建筑群震害快速模拟方法。该方法首先将结构依据地震作用下损伤指数相近的原则进行聚类分组,然后从每组选取一个代表结构来实施非线性时程反应分析,最后用代表结构的结构损伤指数作为其他结构的损伤指数,大幅减小模型计算量以及计算时间。选择K-means聚类算法,并对该算法进行改进,使用预设的簇内样本差异上限来决定分簇的数量,采用分批次聚类加快聚类分析的速度,实现数量大、且组与组之间无明确边界建筑群模型的高效聚类划分。采用算例研究了改进Kmeans算法的参数设置,并研究了地震动的选择对于聚类划分结果的影响,研究结果表明,地震动的选择对群体结构划分的组数、组内结构的模型参数离散程度均无明显影响。采用考虑差异性地震动输入的大型城市建筑群模型作为算例验证了本方法的有效性和适用性,结果表明在将时程分析计算时间缩短90.5%的前提下,该算法仍保证了损伤状态判断正确的结构占比达到85.4%。