受到强烈地震扰动的场地,其土层物理力学性质会随时间有显著变化,从已有的设计规范来看,会导致由震后原位测试指标建立的场地液化判别方法存在与时间相关的误差,还会导致由震前测试指标对原位构筑物进行设计不满足最初设防目标,对未来抗震韧性设计的发展目标来说,正确评价震后场地物理力学性质的发展规律是实现抗震韧性设计的重要基础。本文研究震后场地卓越频率时变规律的两个方面,强震扰动后场地卓越频率的下降与未受强震扰动场地卓越频率的恢复。针对震后场地卓越频率的下降,建立了以地震信息为主导的数据库,选用极限梯度提升算法计算了机器学习模型,对计算得到的机器学习模型进行了可解释性分析,发现了地震动信号主频对卓越频率下降问题的重要影响,结合卓越频率下降与孔压上升之间的关系,建立了考虑地震动主频的孔压上升经验模型。针对震后场地卓越频率恢复,建立了以场地物理力学特性为主导的数据库,分别建立了压缩模量与渗透系数是否随场地软化程度发生改变的两类数据集。使用机器学习算法分别计算了两份数据集,发现了考虑压缩模量、渗透系数随场地软化程度改变的重要性,并以此为基础改进了已有的场地卓越频率恢复理论计算模型。结合场地卓越频率下降与恢复两种计算模型,建立了震后场地卓越频率时变规律计算方法。将该方法用于基督城的12个台站进行计算,并对其中的八个台站进行了考虑主震后场地软化的地震液化评价,首次考虑了震后场地场地抗液化能力的时变性,针对其中的四个典型台站进行了震前震后的场地反应谱的变化情况分析。液化分析表明,抗液化能力强的可液化场地由现场勘测观察到的液化现象是主震造成了场地软化,在地震动强度小于主震的强余震下发生的地震液化,而抗液化能力弱的可液化场地则是会在主震及强余震下发生重复液化现象。反应谱分析表明,震后短时间的加速度放大系数幅值会有小幅度下降,放大系数最大值频段扩宽,会有更广自振周期范围内的建筑物更容易取到更大的地震荷载,位移放大系数的幅值会显著上升,会使许多高层建筑中的非结构构建发生较大位移而产生破坏。