Probabilistic tsunami hazard assessment for the makran subduction zone using logic tree and stochastic rupture sources
Notice bibliographique
Résumé
The Makran Subduction Zone (MSZ) in the northwestern Indian Ocean can generate large tsunamigenic thrust earthquakes affecting the coastal regions of Pakistan, Iran, Oman, and western India. In this paper, a probabilistic tsunami hazard assessment is conducted for the MSZ using stochastic tsunami simulations of moment magnitude (Mw) of 7.7–9.1 earthquake scenarios. This study investigates uncertainties associated with earthquake occurrence rate, single-segment (eastern and western MSZ) or two-segment (full MSZ) rupture scenarios, source geometry, and slip heterogeneity. The total number of simulated source models is 15,000. This study presents two major categories of results: stochastic source models and ranges of 475, 975, and 2475-year tsunami heights. For instance, tsunami heights generated by Mw 8.5‒8.7 stochastic sources of western MSZ vary between 1 m and 10 m with a mean of ~ 4.5 m in the affected areas. The tsunami heights are sensitive to the source models’ characteristics, such as location of the large slip areas, bathymetry of the nearshore area, and the location of bays. Considering different occurrence rates results in significant variability in the estimated 475, 975, and 2475-year tsunami heights. For example, 2475-year tsunami height in Chabahar is in the range of 3‒7.4 m at 10 m water depth.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 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 ».