地震工程的终极目标是重现地震灾害。利用多样化的技术手段来研究地震造成的灾害,有助于更好地进行震前预测工作和更快速地进行震后评估工作。本课题着眼于重现地震对建筑结构的破坏场景,选取北川地震遗址作为研究区域,解决了大量技术问题,初步建立了无人机数据采集、自动化图像分割、图像震害识别和区域震灾模拟的技术框架,主要开展的研究工作如下:（1）数据获取。利用无人机倾斜摄影技术采集研究区域震害图像,经过两天五架次飞行,获取相片2580张,并对图像进行初步处理,形成了研究区域三维表面模型;通过实地观察、查阅历史资料等多种方式对遗址区域内部分建筑的震前基本信息和震后破坏程度进行了收集,总计151栋建筑的数据。（2）图像分割。根据收集的建筑数据和无人机图像元数据,生成了研究区域的震前建筑三维模型并确定了无人机图像拍摄时的视锥体参数。利用Blender软件形成了北川地震遗址震前虚拟场景,并为视锥体内的虚拟建筑添加不同的灰度作为标签。通过编程令Blender遍历相片参数,输出由灰度色块组成的虚拟图像作为无人机拍摄图像的蒙版图层,利用Open CV分割出所有单体建筑震害图像,总计15921张。（3）深度学习。基于PEER建筑震害数据库,使用了Paddle Paddle、Tensor Flow、Py Torch三个深度学习框架对Res Net-50模型进行训练,分析了不同框架之间的模型训练效果。在对北川震害图像数据进行标定之后,采用Paddle Paddle对Res Net-50模型进一步训练,利用正确率和Kappa系数评估了模型的精度。（4）区域模拟。分别使用了You Simulator和Sim Center r WHALE软件对研究区域震前建筑进行模拟,得到的结果同真实值进行对比,利用正确率和Kappa系数评估预测精度。对Sim Center r WHALE进行了二次开发工作,采用分割输入数据的方式进行了并行运算的开发,使用了VTK工具实现了建筑位移的动态可视化。通过本文研究发现:建筑处于基本完好和倒塌之间的状态不易通过图像识别得到;多角度建筑震害图像对正确识别建筑破坏状态是有益的;区域震灾模拟软件受制于建筑基本信息的不确定性,模拟的正确率有待提高。