Empirical ground‐motion models for horizontal Fourier amplitude spectra from fixed‐effects and mixed‐effects analyses of the NGA‐West2 database
Notice bibliographique
Résumé
This article presents the development of ground‐motion models (GMMs) of Fourier amplitude spectra for frequencies of 0.1–20 Hz and its potential extrapolation to 100 Hz at near‐source distances using the effective amplitude spectrum (EAS) ordinates developed for the NGA‐West2 project and the metadata and functional form from our previous NGA‐West2 GMMs. We developed the GMMs using three different approaches to study the impact of including random effects in the model development: (1) fixed‐effects regression (i.e. no random effects), (2) mixed‐effects regression with events as a random effect, and (3) mixed‐effects regression with both events and sites as random effects. Goodness‐of‐fit metrics show that the GMMs were improved with the addition of each random effect. We found the variance components other than the between‐site standard deviation to be magnitude‐dependent, which we estimated using Bayesian inference to incorporate uncertainty in the random‐effects and within‐group variability. As a result, our aleatory standard deviations are larger than residual‐based standard deviations that ignore uncertainty in these terms. The GMMs predict a slight spectral sag at intermediate frequencies and large magnitudes that becomes more pronounced with increasing magnitude, consistent with other empirical analyses and ground‐motion simulations available in the literature. We recommend use of the GMM that includes both event and site terms because of its appropriate modeling of repeatable effects. We present the other GMMs to demonstrate how each model is improved as random effects are added and to facilitate their comparison with other models that use a similar random‐effects structure.
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 | 0,001 |
| 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 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 ».