场地地震反应是工程场地抗震经济性和抗震安全性评价的重要依据。目前对于场地地震反应的研究主要依靠数值模拟的方法,但研究表明,现有的数值模拟方法还不能准确模拟场地地震反应,特别是对软土场地的模拟存在较大误差。所以采用新方法新手段研究场地地震反应是一个新的研究方向,可以突破传统数值模拟方法的局限性,提高地震反应分析准确性,为场地地震安全性评价和结构抗震设计提供技术支持。本文以Ki K-net台网数据库和已有研究成果为基础,选取Ki K-net台网中的40余个台站历史地震记录等相关信息,开展了基于机器学习算法的场地地震反应预测模型研究,建立了地震荷载作用下土层变形等级预测模型和地表峰值加速度预测模型,对比了常用数值模拟方法,推荐了效果较好的预测模型,制作了相应的分析软件。本文所做的主要工作和研究成果如下:1、基于Ki K-net强震台网,选取40余个水平场地强震台站,搜集整理台站历史地震记录,结合强震台站土层剖面信息和已有的数值模拟成果,选取工程上常用且容易获取的表征参数,建立了与土层变形等级相关的数据集和与地表峰值加速度相关的数据集。2、量化分析了不同场地及地震动特征表征参数对土层剪应变的贡献度,遴选出6个影响因素组成2个特征组合作为机器学习参数;建立了5参数地震荷载作用下土层剪应变等级预测模型,对比分析了不同预测模型在性能度量指标上的差异,为研究地震荷载作用下土层变形提供了一个方便快捷的方法;并采用随机森林分类模型对典型场地剖面的变形反应进行了探索,给出了各类场地变形程度同PGA及埋深之间关系。3、通过综合多种特征选择结果,选取6个影响地表加速度的场地特征和输入地震动特征为机器学习参数,建立了地表峰值加速度预测模型;对比分析了不同预测模型在性能度量指标上的差异;分别从整体数据、场地类别、地震动强度三个不同角度,对几种机器学习预测模型和数值模拟结果进行了对比分析,结果表明机器学习模型预测精度要优于数值模拟,采用机器学习集成模型可以提升地表峰值加速度预测精度。该模型预测结果可为地震动区划及地震预警提供参考。4、在完成功能需求分析和流程结构设计的基础上,利用Py Qt5和Qt Designer,通过用户界面设计及环境打包,完成了对本文提出的地震荷载作用下的土层变形等级预测模型和地表峰值加速度预测模型的封装,形成了两款专业计算软件。软件操作简单,界面友好,可供研究人员及工程技术人员使用。