设计地震动是结构抗震设计、结构抗震性能评估和结构加固等工作的基础,而地震动参数（峰值地面加速度、谱加速度）是设计地震动常用的形式之一。以设计地震动为基础,常用谱分析、时程分析和易损性分析等方法进行结构抗震设计和结构抗震性能评估。地震动参数确定和结构抗震性能评估是工程抗震中的重要领域,地震动参数通常采用回归分析得到的衰减关系确定,但存在不同地区之间的适用性较差,甚至在同一地区的预测结果的离散性较大,受限于预设的数学模型无法充分利用不断增加的地震记录进一步提高预测精度等问题;而结构抗震性能评估,特别是评估需要借助时程分析实现时,则会存在计算量大、时间成本高的问题。因此,本文利用神经网络这一工具提高地震动参数确定的精度和结构抗震性能评估的效率,主要工作和结论包括:（1）构建了从震源预测地震动参数的衰减关系神经网络模型。基于NGA-West2数据库的地震动记录,经过不断对比试验确定卷积神经网络模型的最优结构以及超参数,构建地震动参数的卷积神经网络预测模型,与常用的衰减关系经验公式和BP神经网络模型进行对比,结果表明本文构建的衰减关系模型符合目前研究成果中对衰减规律的一般认识,并且预测精度更高;对于断层信息未知的地区,总结了估计相关断层信息和断层源距的经验公式,构建简化输入参数的地震动参数深度神经网络预测模型,结果表明该衰减关系基本能够较准确预测地震动参数;最后,用311东日本大地震的强震动数据对本文构建的卷积神经网络衰减关系进行了验证。（2）对于具有详细场地信息的地区,分别构建了从震源预测基岩地震动参数的神经网络模型和预测场地放大效应的神经网络模型,从而分两步实现地震动参数确定:基于Ki K-net数据库中井上、井下地震动记录和场地信息,构建了基岩地震动参数的卷积神经网络预测模型和简化输入参数的深度神经网络预测模型;考虑场地条件中各土层厚度、剪切波速及其特征组合等详细信息,构建了场地放大效应的卷积神经网络预测模型,并将其与考虑场地信息平均化处理后建立的场地放大效应深度神经网络预测模型和经验预测公式进行对比,结果表明考虑场地详细土层信息的放大效应卷积神经网络预测模型有更好的泛化能力,预测结果更合理可靠;最后,分析了本文构建的场地放大效应衰减关系随部分输入参数变化的规律,并经过计算分析,给出我国各类场地以及场地精细化划分后不同烈度、设计分组对应的地震动参数调整系数建议值。（3）提出了基于神经网络的结构抗震性能评估方法。首先使用卷积神经网络构建结构响应的预测模型;然后,根据场地的地震活动性参数构建经验公式与深度神经网络模型相结合的基岩地震动参数的混合深度神经网络预测模型,计算出场地基岩的地震危险性曲线,再使用已建立的场地放大效应卷积神经网络模型预测出设计地震动参数的危险性曲线;最后,基于设计地震动参数（设计反应谱）构造地震动输入,使用结构响应的卷积神经网络预测模型预测结构的地震反应并进行易损性分析,得到结构的易损性曲线后与地震危险性曲线结合得到各性能（损伤）状态的年概率和概率分布。论文基于神经网络这一工具,一方面,构建地震动参数的预测模型,包括地表地震动参数预测模型、基岩地震动参数预测模型和场地放大效应预测模型,大大提高了衰减关系确定地震动参数的精度和适用性,并且能够随着地震动记录的增加而不断提升自身性能;另一方面,构建结构反应的预测模型,在保证合理误差的前提下,提高了结构抗震性能评估的效率。论文用神经网络实现了从设计地震动输入确定到结构反应预测和性能评估全流程的工作,主要创新点包括:（1）使用神经网络建立了预测精度更高、适用性更强的地震动参数的衰减关系。（2）构建了经验公式和深度神经网络相结合的混合深度神经网络模型用于确定局部地区的基岩地震动参数,并且考虑详细的场地条件,使用卷积神经网络建立精度更高的场地放大效应预测模型。（3）给出了各个场地类别及其精细化划分后在不同烈度和设计分组情况下的设计地震动参数依场地调整系数的建议值。（4）使用卷积神经网络建立了结构反应预测模型,将神经网络网络应用于地震危险性分析和结构抗震性能评估。