Probabilistic approach for seismic microzonation integrating 3D geological and geotechnical uncertainty
Notice bibliographique
Résumé
A novel probabilistic methodology for regional seismic site characterization is proposed and applied to a region with highly heterogeneous surficial geology and varying soil sediment thickness and stiffness. The method combines various sources of geological and geotechnical uncertainties to develop a three‐dimensional (3D) shear‐wave velocity ( V s ) model and evaluate the associated uncertainties. A 3D geological model of the unconsolidated deposits was developed using geostatistical interpolation and simulation methods. Sequential indicator simulations produced a quantitative geologic model that explicitly quantified geological uncertainties based on the likelihood of specific soil types occurring. In situ measurements and multivariate statistical analysis allowed the development of empirical correlations between V s , geotechnical parameters, depth, and soil types. The resulting 3D V s values were estimated on the basis of V s ‐depth correlations and the probability of occurrence of each soil type. In this approach, the propagated uncertainty was also quantified by considering the combined variance. Seismic microzonation mapping was then conducted by transforming the 3D V s model into two‐dimensional (2D) maps that represent the spatial distributions of the time‐averaged shear‐wave velocity of the top 30 m ( V s , 30 ) and the fundamental site period ( T 0 ), along with their respective uncertainties using Monte Carlo simulations. The results indicate that microzonation maps and their uncertainties are influenced by the thickness, occurrence probability, and geotechnical properties of soils. The proposed method can be used to assess the probabilistic seismic risk at local and regional scales in areas with geologically and geotechnically complex soil properties.
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 | 0,001 | 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) | 0,001 | 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 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 ».