地震动衰减关系是工程抗震中一个重要研究领域,衰减关系为地震区划、工程结构抗震设计、地震危险性分析等提供理论支持。余震对于结构破坏的影响程度不容忽视,大量震害调查资料表明,强余震甚至会造成主震后已损结构的倒塌。但是目前余震的地震动衰减关系研究较少,并且所采用的统计回归分析方法给出的衰减关系存在同一地区的不同衰减模型预测值差异过大、不同区域的衰减模型适用性较差等问题。为了能够给出一个具有普适性、拟合效果良好、能够反映地震动参数客观规律的余震地震动衰减关系,鉴于深度学习能够通过大数据样本的训练学习获得参数的任意非线性关系,本文首先建立全球范围的余震数据库,并在此基础上,开展基于深度神经网络的余震地震动衰减关系预测研究。本文主要研究内容如下:(1)从已有地震数据库和有限断层模型数据库获取地震和断层信息。采用CRJB标准判别主震和余震,按照震源类型划分为浅层壳内地震、俯冲带板间地震和俯冲带板内地震,根据本文所提余震地震动调选方法,从全球范围内选出303019条余震地震动记录,建立全球余震数据库,并作为本文余震地震动衰减关系研究的基础。(2)基于Tensorflow框架,通过权重初始值等超参数的设定和Dropout等方法的运用,构建深度神经网络。深度神经网络的预测结果表明:拟合优度最高可达0.986,均方误差均小于0.15,事件内残差和事件间残差分布均匀,残差标准差最低可达0.63,说明本文所提模型具有良好的预测能力。(3)对比分析本文所提浅层壳内余震地震动衰减关系和Boore给出的BSSA14衰减模型,总结归纳本文得到的俯冲带板间余震和俯冲带板内余震地震动衰减关系的衰减规律,结果表明本文基于构建的深度神经网络所得余震地震动衰减关系,在不同震级和不同场地条件下均拟合良好,预测结果合理可靠。