Engineering Aspects of Seismicity on the Moon
Notice bibliographique
Résumé
Moonquakes are part of the lunar environment, which can impact lunar systems and structures. Lunar seismic activities were first detected during the Apollo missions. The strongest lunar seismic events detected had magnitudes estimated up to 5.5 on the Richter scale. Using Apollo moonquake data, many constrained models of the lunar interior were determined. An updated future lunar seismic network would be able to further constrain these estimates and improve the current understanding of the Moon’s structure. This network would consist of at least three stations and would potentially benefit from a fourth station located on the far side of the Moon and is known as the lunar geophysical network (LGN). Currently moonquakes are considered a low risk environmental condition, but this is subject to change with regards to long-term lunar bases and structures. Ground-based testing on Earth, simulating moonquakes and lunar environment conditions for lunar bases, rovers, robots, and other systems will benefit understanding how these lunar systems and structures will function on the Moon. Testing should take into consideration the current AIT capabilities of Canada and other nations with respect to the future lunar mission requirements. This paper provides an update on the knowledge of lunar seismicity based on the overview of the available literature since 2010, while taking into account important discoveries from the Apollo program. Another important focus of this paper is on the engineering aspects of design of lunar systems and structures for moonquakes. Risks due to lunar seismicity and comments on their mitigation are also presented. Conclusions and recommendations associated with future lunar seismicity related research and some testing aspects are also included.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».