随着地震工程学的不断发展和抗震设计的不断优化,新修建筑物的抗震性能得到了明显的提升,地震导致的建筑物倒塌和人员伤亡得到了有效的控制,但由于当前抗震设计往往忽略了非结构构件的抗震性能及其使用功能震后可恢复能力,导致地震造成的直接经济损失并没有明显降低,出现了结构构件损失较轻而非结构构件破坏严重的新型震害现象。基于大量详实的地震破坏数据,不仅可以真实地反映建筑物在地震中的整体损失和进行更为细致的构件层次的损失分析,也可以验证有限元数值分析模型的准确性,还可以将机器学习引用于震害损失分析,达到理清建筑物震害损失的来源,优化数值分析模型和对构件重要度排序的目的,进而从构件层面为抗震研究提供新的思路和方向,减轻地震损失和提高震后恢复力。本文主要工作内容包括以下几个方面:（1）整理了新西兰16次地震事件所涉及的超过300万条建筑物详细震害资料,并对不同构件类型的分类详情进行了说明。验证了John X.Zhao（2016）衰减模型的适用性,并对地震动参数和建筑物损失参数的选择做出了解释。基于大量详实的震害资料,先后从建筑物整体、不同破坏类型和不同构件类型3个层面进行了损失统计分析,理清了建筑物在地震事件中的损失来源,尤其明确了非结构构件中的易损构件,最后验证了地震液化对建筑物损失的影响。（2）针对填充墙-RC框架结构,详细介绍了其破坏机制和不同构件在Open SEES有限元分析平台的实现方法。采用双向单支撑模型分别对单层单跨和多层多跨填充墙RC框架结构进行了单向PUSHOVER分析和IDA时程分析,对比了结构构件和非结构构件的受力状态,得出了地面运动强度指标（PGA）与建筑物性能指标（最大层间位移角）之间的关系,并结合第二章中的真实数据验证了模型了准确性。（3）简单介绍了随机森林算法,基于第二章中的原始数据和经过欠抽样平衡处理后的数据,详细讨论了测试集占比、决策树数目和决策树深度对随机森林算法的影响。对不同数据集训练出的随机森林模型的准确度进行了评价,然后对构件的重要度排序进行了分析。