A regionalized partially nonergodic ground‐motion model for subduction earthquakes using the NGA‐Sub database
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
In this study, we derived a regionalized partially nonergodic empirical ground‐motion model (GMM) for subduction interface and intraslab earthquakes using an extensive global database compiled as part of the NGA‐Subduction project. The model can be used to estimate peak ground acceleration (PGA), peak ground velocity (PGV), and ordinates of 5%‐damped pseudo‐spectral acceleration (PSA) at periods ranging from 0.01 to 10 s for M ≥ 5.0, M ≤ 8.5 for intraslab events, M ≤ 9.5 for interface events, Z TOR ≤ 50 km for interface events, Z TOR ≤ 200 km for intraslab events, 10 ≤ R RUP ≤ 800 km, and 100 ≤ V S 30 ≤ 1000 m/s. Besides a global version of the model, the GMM accounts for regional differences in the overall amplitude (constant), anelastic attenuation, linear site response, and basin response for seven subduction‐zone regions: Alaska (AK), Central America and Mexico (CAM), Cascadia (CASC), Japan (JP), New Zealand (NZ), South America (SA), and Taiwan (TW). The functional form of the model is structured such that the breakpoint magnitude, the magnitude at which the magnitude‐scaling rate (MSR) transitions from a steeper to a shallower slope, is an adjustable parameter in the model. This makes it possible to take epistemic uncertainty in this parameter into account or adjust it based on other empirical or physical information, such as when the model is applied to a subduction zone not considered in the GMM. Besides the traditional mixed‐effects aleatory between‐event standard deviations and within‐event standard deviations, within‐model epistemic standard deviations in the median prediction for each region is quantified from a posterior distribution of model coefficients, standard deviations, and coefficient correlations using a Bayesian regression approach. Our full 800‐sample posterior distribution can be used to account for epistemic uncertainty in the model coefficients, standard deviations, and predicted values. We also provide a simplified epistemic model using magnitude‐ and distance‐dependent within‐model standard deviations that can be used to facilitate the inclusion of within‐model epistemic uncertainty directly in a probabilistic seismic hazard analysis. The within‐model standard deviations can also be used to scale the GMM using a backbone modeling approach.
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 | 0,001 |
| 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