Bayesian Estimations of Peak Ground Acceleration and 5% Damped Spectral Acceleration from Modified Mercalli Intensity Data
Notice bibliographique
Résumé
We describe a new probabilistic method that uses observations of modified Mercalli intensity (MMI) from past earthquakes to make quantitative estimates of ground shaking parameters (i.e., peak ground acceleration, peak ground velocity, 5% damped spectral acceleration values, etc.). The method uses a Bayesian approach to make quantitative estimates of the probabilities of different levels of ground motions from intensity data given an earthquake of known location and magnitude. The method utilizes probability distributions from an intensity/ground motion data set along with a ground motion attenuation relation to estimate the ground motion from intensity. The ground motions with the highest probabilities are the ones most likely experienced at the site of the MMI observation. We test the method using MMI/ground motion data from California and published ground motion attenuation relations to estimate the ground motions for several earthquakes: 1999 Hector Mine, California (M7.1); 1988 Saguenay, Quebec (M5.9); and 1982 Gaza, New Hampshire (M4.4). In an example where the method is applied to a historic earthquake, we estimate that the peak ground accelerations associated with the 1727 (M∼5.2) earthquake at Newbury, Massachusetts, ranged from 0.23 g at Newbury to 0.06 g at Boston.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».