饱和砂土液化是最为典型的地震灾害之一。因此,准确地对液化危害进行评估是岩土工程领域的重要任务之一。地震液化评估中,需要对三个主要的方面进行考虑:1)液化敏感性;2)触发液化的动态载荷的评价;3)液化的影响。前两个在分析描述液化能否发生的液化势方面已经得到了检验。此外,在评估液化破坏效应时,主要是指横向位移,这是进行液化危害评估的最后一个方面。在所有的方法中,基于历史数据或室内试验结果的经验和半经验模型是最为普遍且易于工程师和研究人员所使用的一种分析手段。现阶段,智能算法已被运用于检测参数与危险因素之间的相关性。然而,这种方法依旧缺乏防止模型被过度训练的验证阶段。虽然细粒含量（FC）对孔隙水压力的产生具有复杂影响这一结论已经得到了验证,但是在现有模型中并没有考虑该影响参数。所有的模型都包含了此参数,但对其取值并没有加以任何限制。此外,已经证明,标准化累积绝对速度（CAV5）为孔压的增长和液化的发生提供了最充分和有效的推动作用。然而,在现有模型中,动量大小（Mw）和水平峰值地面加速度（PGA）通常与液化危害评估相关。此外,由于天然易变性以及对土体性质缺乏了解,几何条件、地震荷载,岩土工程问题,特别是高度非线性条件（例如液化现象）,常面临不确定性的问题。为了控制并量化这些不确定性因素,本研究介绍了基于人工神经网络（ANN）的蒙特卡罗模拟（MCS）,并对参数灵敏度进行分析,以此来研究这些不确定因素对液化灾害的影响。响应面法（RSM）作为一种新方法,在本研究中得到应用。采用尽可能不同的实验设计（DOE）方案检验该方法的适用性和能力,以此来比较这些因素对液化危害的影响。通过在数据集中加入CAV5,综合考虑地震中的重要方面,如:近断层带,地震运动的频率成分,震断层类型和地震持续时间,建立了一个能够评价近断层带危险性的模型。