Non‐ergodic correction factors for hard rock sites in Western Canada
Notice bibliographique
Résumé
For short‐period structures situated on hard rock, accurate characterization of ground motions at high frequencies is critical. Predictions based on empirical ground motion models (GMMs) for generic site conditions carry large uncertainties, especially because the datasets used to develop GMMs are often lacking in observations for hard rock sites. The current state‐of‐practice is to perform a V S ‐ host‐to‐target correction, where V S is the site shear‐wave velocity and is the near‐surface high‐frequency attenuation parameter. However, in the absence of site‐specific ground motion data, the modeling parameters ( V S and ) and their reliability in predicting the correct adjustment factors are not well quantified and are subject to large epistemic uncertainty. We apply an alternative framework to characterize hard rock site response in probabilistic seismic hazard analysis (PSHA) using site‐specific ground motion data. Our methodology relies on estimation of the non‐ergodic hard rock site response at a given site, as derived using site‐specific Fourier amplitude spectra. The use of site‐specific data allows us to remove the site‐to‐site variability component from PSHA and greatly reduce epistemic uncertainty of the hard rock site response. We demonstrate the applicability of the proposed methodology for a critical facility in British Columbia (B.C.), Canada. Comparison of the non‐ergodic and generic hard rock correction factors reveals the importance of compiling and using site‐specific data in PSHA. For competent hard rock, we suggest that amplification at high frequencies is often controlled by factors other than impedance effects, such as topographic effects or near‐surface high‐frequency attenuation; such effects are not well modeled through the traditional V S ‐ 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.
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 | 0,000 |
| 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) | 0,000 | 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 ».