Hazard characterization for alternative intensity measures using the total probability theorem
Notice bibliographique
Résumé
Since their inception in the 1980s, simplified procedures for the analysis of liquefaction hazards have typically characterized seismic loading using a combination of peak ground acceleration and earthquake magnitude. However, more recent studies suggest that certain evolutionary intensity measures (IMs) such as Arias intensity or cumulative absolute velocity may be more efficient and sufficient predictors of liquefaction triggering and its consequences. Despite this advantage, widespread hazard characterizations for evolutionary IMs are not yet feasible due to a relatively incomplete representation of the ground motion models (GMMs) needed for probabilistic seismic hazard analysis (PSHA). Without widely available hazard curves for evolutionary IMs, current design codes often rely on spectral targets for ground motion selection and scaling, which are shown in this study to indirectly result in low precision of evolutionary IMs often associated with liquefaction hazards. This study presents a method to calculate hazard curves for arbitrary intensity measures, such as evolutionary IMs for liquefaction hazard analyses, without requiring an existing GMM. The method involves the conversion of a known IM hazard curve into an alternative IM hazard curve using the total probability theorem. The effectiveness of the method is illustrated by comparing hazard curves calculated using the total probability theorem to the results of a PSHA to demonstrate that the proposed method does not result in additional uncertainty under idealized conditions and provides a range of possible hazard values under most practical conditions. The total probability theorem method can be utilized by practitioners and researchers to select ground motion time series that target alternative IMs for liquefaction hazard analyses or other geotechnical applications. This method also allows researchers to investigate the efficiency, sufficiency, and predictability of new, alternative IMs without necessarily requiring GMMs.
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».