地震液化是导致地基承载力失效等严重问题的主要震害形式之一,对建筑场地预先进行地震液化判别和液化沉降变形预测,将为防震减灾工作提供有力支撑。本文在充分总结国内外研究现状的基础上,结合数值模拟分析,采用连续贝叶斯网络方法研究了地震液化判别及其沉降变形预测的问题。本文首先采用条件高斯贝叶斯网络方法和MCMC近似推理算法,基于剪切波速地震液化数据,构建了考虑连续变量的连续贝叶斯网络、混合贝叶斯网络和MCMC近似推理混合贝叶斯网络地震液化判别模型,并将上述方法与传统离散贝叶斯网络、逻辑回归、混合朴素贝叶斯和人工神经网络等模型的分类性能进行对比。对比分析表明,将液化影响因素作为连续变量直接应用于贝叶斯网络能够有效避免离散贝叶斯网络变量离散化过程中的信息丢失,可提高液化判别模型的预测和泛化性能。在液化判别研究的基础上,本文利用LIQCA软件进行了自由场地震液化数值模拟,探究了地下水位、可液化土层埋深、可液化土层厚度、砂土密实度、地震波、峰值加速度等七个因素对地震液化沉降变形的影响规律,并利用变换工况的大量数值模拟结果生成了液化沉降变形数据,利用条件线性高斯贝叶斯网络方法进一步构建了液化沉降变形预测模型。连续贝叶斯网络液化沉降变形预测模型与离散贝叶斯网络、径向基人工神经网络模型的对比分析表明,连续贝叶斯网络模型突破了传统离散贝叶斯网络无法进行连续型回归预测的限制,并且表现出了良好的地震液化沉降变形预测性能。