目前,中国正处于城市地铁等地下结构发展的高峰期,且很多城市位于8度设防区,故地下结构抗震对于保障我国城市工程系统地震安全具有重要意义。地下地震动参数是地下结构抗震设计的基础,目前常用的预测方法存在误差过大或过程较为繁琐的问题。近年来,地震工程和地震学领域的许多问题从深度学习中受益,地震预测、地表地震动参数预测等一系列研究中均展现了深度学习的强大学习和预测能力,而目前还没有研究基于深度学习研究地下地震动参数的预测问题,鉴于此、本文利用日本Ki K-net台阵建立了深度学习的地下地震动数据库,基于深度神经网络发展了地下地震动峰值加速度、峰值速度和谱加速度的预测模型。主要工作总结如下:(1)通过综合考虑到地质信息的完整性、数据库成分的合理性、以及地震记录的信噪比等影响,建立了用于深度学习的地下地震动数据库,其中包含1998年11月18日至2019年1月6日、来自110个台站、2980次地震、共计20256组地震动记录,建立地下地震动数据库,根据地表PGA的统计分布,将数据库按照8:1:1的比例随机划分成训练集、验证集和测试集。(2)将多层感知机与一维卷积神经网络相结合构建了基于深度神经网络的地下地震动参数预测模型,输入参数包括震级、井下台站深度、地表地震动参数和土层剪切波速随深度变化的序列,通过衡量6个评价指标来保证模型的预测结果与地下地震动参数衰减规律的一致性,建立了地下地震动参数的深度学习预测模型。(3)将本文的深度学习预测模型与土层响应等效线性化方法、地下地震动参数预测经验公式等结果进行对比分析,发现,深度学习预测模型的预测精度整体上高于以上三种方法,其中深度学习预测模型比统计经验公式提高20.63%,比规范预测方法提高52.19%,地下峰值加速度、峰值速度、谱加速度的预测结果比土层等效线性化方法分别提高2.44%、11.27%和4.52%,且避免了根据土层的峰值应变迭代求解剪切模量与阻尼比,求解波动方程的过程。