ESTIMACIÓN DEL PELIGRO SÍSMICO DEBIDO A SISMOS INTERPLACA E INSLAB Y SUS IMPLICACIONES EN EL DISEÑO SÍSMICO
Bibliographic record
Abstract
La ocurrencia de grandes sismos causa excitaciones muy intensas del terreno que pueden provocar el colapso de edificios y puentes. Para tomar en cuenta la incertidumbre en esta ocurrencia y en las solicitaciones sísmicas de diseño, la evaluación probabilística del peligro sísmico es empleada para desarrollar espectros de peligro uniforme (EPU) y mapas de contorno de peligro sísmico. Aunque existe mucha información en relación al cálculo del peligro sísmico en México y su inclusión en reglamentos, no hay en la literatura un reporte detallado, que incluya un modelo de peligro sísmico útil para obtener los EPU, para desarrollar mapas de contorno, y para determinar respuestas inelásticas. Además, ya que la demanda de ductilidad de desplazamiento puede diferir para sismos interplaca e inslab, esta diferencia debería incorporarse en la estimación de la confiabilidad estructural. En este estudio se integra un modelo de peligro sísmico útil para estimar los EPU y para desarrollar mapas de contorno para una parte de México; se calcula la contribución al peligro sísmico de cada tipo de sismo; y se estima el nivel de carga sísmica requerido para diseño,considerando las diferencias en la demanda de ductilidad causada por sismos interplaca e inslab
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".