近年来,随着中国经济不断发展,各种高层和超高层建筑层出不穷。长周期地震动是一种低频成分很显著的地震动,近年来有报告指出长周期地震动相对于普通地震动对具有较大自振周期的高层和超高层结构产生了更为严重的损害。并且我国的抗震设计规范中,对长周期地震动可能造成的高层结构更严重损害如何控制尚未做出具体规定。本文提出了一种快速准确识别长周期地震动的卷积神经网络模型,分析了高层结构在长周地震动作用下的反应,分析得到结构在长周期地震动作用下的结构地震易损性,并计算了结构的损失情况。具体完成了以下研究内容:从文献中挑选了世界范围内公认的长周期地震动1320条,另取普通地震动1320条,对地震动进行了基线校正和滤波。分别分析了远场、近场长周期地震动和普通地震动PGA、PGV、PGD、PGV/PGA、PGD/PGV值的分布,结果表明长周期地震动的PGV/PGA、PGD/PGV值大于普通地震动;对地震动进行快速傅里叶变换（FFT）并归一化,将所得到的数据作为深度学习的训练数据,搭建了用于识别长周期地震动的卷积神经网络,并实现了对长周期地震动的识别,识别准确率高于传统方法。建立了19层和52层钢结构框架,进行了模态分析。选取典型远场、近场长周期和普通地震动各2条,分别在多遇和罕遇条件下,对比分析了19层和52层结构在长周期和普通地震动作用下反应的不同。结果表明长周期地震动作用下结构会产生相对于普通地震动更大的位移、层间位移角和加速度响应,位移反应的提高相对于加速度响应更明显。对19层和52层钢结构进行了增量动力分析,根据增量动力分析结果得到结构地震易损性曲线,结果表明远场长周期地震动作用下的结构的破坏概率大于近场长周地震动,近场长周期地震动作用下结构的破坏概率大于普通地震动。计算了19层和52层结构不同破坏状态的概率密度曲线,得到了不同地震动作用下结构的平均损失率,结果表明长周期地震动对高层和超高层建筑会产生更大的损失。