Refined Stochastic Source Modeling and Selection Method for Complex Fault Systems Considering Data Uncertainty: A Case Study of the 2019 Ridgecrest Earthquakes
Notice bibliographique
Résumé
Abstract The geometrical complexity of earthquake ruptures underscores the importance of surface deformation hazard and risk assessments considering multisegment rupture scenarios. This study presents a stochastic source modeling applied to surface displacement hazard analysis of a complex fault system where multiple, overlapping segments interact. A methodology is developed to account for the multisegment rupture feature of a complex fault system and the uncertainty of surface deformation data. The method uses geological field observations and remotely sensed data, such as Global Positioning System and Interferometric Synthetic Aperture Radar data. The stochastic source modeling characterizes the fault displacement hazard based on statistical scaling relationships and analytical equations for calculating the elastic deformation due to a fault rupture. The new method overcomes the limitation of the current stochastic source modeling approach, which has been previously applied to simple scenarios, in terms of defining multiple asperity zones for the ruptured system based on the released seismic moment scenario. The method is applied to the 2019 Ridgecrest earthquake sequence of moment magnitude (Mw) 7.1 and 6.4, for which the earthquake rupture geometry is complex with near-perpendicular segments. The results of the stochastic source characterization of the 2019 Ridgecrest earthquakes indicate that considering different released seismic moments and different slip syntheses for individual segments significantly enhances the performance of the method and the match of the corresponding surface displacements to the observed data. Moreover, the number of qualified source models based on defined criteria increases due to the increasing uncertainties of data. This means that higher uncertainty of data leads to less restrictive constraints on source models.
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 | 0,003 | 0,002 |
| 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 | 0,001 | 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 ».