Seismic Hazard Analyses From Geologic and Geomorphic Data: Current and Future Challenges
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The loss of life and economic consequences caused by several recent earthquakes demonstrate the importance of developing seismically safe building codes. The quantification of seismic hazard, which describes the likelihood of earthquake‐induced ground shaking at a site for a specific time period, is a key component of a building code, as it helps ensure that structures are designed to withstand the ground shaking caused by a potential earthquake. Geologic or geomorphic data represent important inputs to the most common seismic hazard model (probabilistic seismic hazard analyses, or PSHAs), as they can characterize the magnitudes, locations, and types of earthquakes that occur over long intervals (thousands of years). However, several recent earthquakes and a growing body of work challenge many of our previous assumptions about the characteristics of active faults and their rupture behavior, and these complexities can be challenging to accurately represent in PSHA. Here, we discuss several of the outstanding challenges surrounding geologic and geomorphic data sets frequently used in PSHA. The topics we discuss include how to utilize paleoseismic records in fault slip rate estimates, understanding and modeling earthquake recurrence and fault complexity, the development and use of fault‐scaling relationships, and characterizing enigmatic faults using topography. Making headway in these areas will likely require advancements in our understanding of the fundamental science behind processes such as fault triggering, complex rupture, earthquake clustering, and fault scaling. Progress in these topics will be important if we wish to accurately capture earthquake behavior in a variety of settings using PSHA in the future.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle