Seismic Vulnerability in Yogyakarta Basin Based on HVSR Frequency Domain Window Rejection Algorithm
Notice bibliographique
Résumé
Assessing seismic vulnerability is crucial for disaster preparedness and urban planning, especially in regions with complex geological conditions like the Yogyakarta Basin.The devastating 2006 earthquake caused severe structural damage, numerous casualties, and significant economic losses, highlighting the need for continuous seismic vulnerability assessment.This study assessed seismic vulnerability by determining the site's resonant frequency, the horizontal-to-vertical spectral ratio (HVSR) peak amplitude, and the ground vulnerability index across the Yogyakarta Basin.Seismic microtremors were recorded at 707 locations within the Yogyakarta Basin.The analysis employed the lognormal distribution and automated frequency domain window rejection algorithms to process the microtremor data.These methods effectively eliminated noisy windows in high-variance datasets while minimizing the unnecessary exclusion of valid windows in low-variance datasets.Areas with Kg values exceeding 10 and low resonant frequencies were considered highly vulnerable because of the potential for ground motion amplification.Such regions include Sanden, Kretek, Pundong, Bambanglipuro, Jetis, Pleret, Sewon, Berbah, Prambanan, Banguntapan, Kalasan, and parts of Yogyakarta City, Depok, Gamping, and Kasihan.The results offer valuable insights for guiding land-use planning, prioritizing mitigation efforts, and informing seismic risk management.Moreover, the findings emphasize the need for integrated seismic hazard modeling to improve resilience and preparedness across the Yogyakarta Basin.
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 | 0,001 |
| 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 ».