MétaCan
Menu
Retour à la cohorte
Enregistrement W2804276086 · doi:10.1029/2018gl077879

Numerical Modeling of Dynamically Triggered Shallow Slow Slip Events in New Zealand by the 2016 <i>M</i><sub><i>w</i></sub> 7.8 Kaikoura Earthquake

2018· article· en· W2804276086 sur OpenAlexafffund
Meng Wei, Yoshihiro Kaneko, Pengcheng Shi, Yajing Liu

Notice bibliographique

RevueGeophysical Research Letters · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
Thématiqueearthquake and tectonic studies
Établissements canadiensMcGill University
Organismes subventionnairesCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of CanadaRoyal Society Te ApārangiNational Science Foundation
Mots-clésSubductionPerturbation (astronomy)Slip (aerodynamics)AmplitudeGeologyDynamic stressSeismologyGeotechnical engineeringPhysicsDynamic loadingTectonicsStructural engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract The 2016 Mw 7.8 Kaikoura earthquake triggered widespread slow slip events (SSEs) in the northern Hikurangi subduction zone, providing a unique opportunity to study the mechanism of dynamic triggering of SSEs. Here we simulate SSEs near Gisborne, New Zealand, in the framework of rate‐and‐state friction. Low effective normal stress (~0.4 MPa) on the shallow subduction interface is needed to reproduce the observed repeating, spontaneous SSEs. Dynamic stress perturbations from the Kaikoura mainshock are adequate to trigger SSEs with characteristics similar to observation. SSE propensity to dynamic triggering mainly depends on the timing of perturbation with respect to the SSE cycle and the maximum Coulomb stress change. Once the perturbation amplitude exceeds an initial threshold, prolonged stress perturbations tend to decrease the triggering threshold hence promote dynamic triggering of SSEs. Therefore, shallow SSEs are more likely to be dynamically triggered than their deep counterparts because of enhanced stress perturbation (magnitude and duration) from the sedimentary wedge.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,257
Score d'incertitude au seuil0,510

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,264
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations38
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetearthquake and tectonic studiesTravaux en français237 207