Documents disponibles écrits par cet auteur

The estimation of minimum-misfit stochastic models from empirical ground-motion prediction equations / Scherbaum, Frank in Bulletin of the seismological society of America, Vol. 96 N° 2 (Avril 2006) 

Public ISBD [article]  in Bulletin of the seismological society of America > Vol. 96 N° 2 (Avril 2006) . - 427-445 p. Titre : The estimation of minimum-misfit stochastic models from empirical ground-motion prediction equations Titre original : L'Evaluation des modèles stochastiques de vêtement manqué minimum à partir des equations au sol empiriques de prévision de mouvement Type de document : texte imprimé Auteurs : Scherbaum, Frank, Auteur ; Staedtke, Helmut, Auteur ; Cotton, Fabrice, Auteur Article en page(s) : 427-445 p. Note générale : Génie Civil Langues : Anglais (eng) Mots-clés : Activité  séismique  Sol  Seisme  Equations Index. décimale : 551.2 Résumé : In areas of moderate to low seismic activity there is commonly a lack of recorded strong ground motion. As a consequence, the prediction of ground motion expected for hypothetical future earthquakes is often performed by employing empirical models from other regions. In this context, Campbell’s hybrid empirical approach (Campbell, 2003, 2004) provides a methodological framework to adapt ground-motion prediction equations to arbitrary target regions by using response spectral host-to-target-region-conversion filters. For this purpose, the empirical ground-motion prediction equation has to be quantified in terms of a stochastic model. The problem we address here is how to do this in a systematic way and how to assess the corresponding uncertainties. For the determination of the model parameters we use a genetic algorithm search. The stochastic model spectra were calculated by using a speed-optimized version of SMSIM (Boore, 2000). For most of the empirical ground-motion models, we obtain sets of stochastic models that match the empirical models within the full magnitude and distance ranges of their generating data sets fairly well. The overall quality of fit and the resulting model parameter sets strongly depend on the particular choice of the distance metric used for the stochastic model. We suggest the use of the hypocentral distance metric for the stochastic simulation of strong ground motion because it provides the lowest-misfit stochastic models for most empirical equations. This is in agreement with the results of two recent studies of hypocenter locations in finite-source models which indicate that hypocenters are often located close to regions of large slip (Mai et al., 2005; Manighetti et al., 2005). Because essentially all empirical ground-motion prediction equations contain data from different geographical regions, the model parameters corresponding to the lowest-misfit stochastic models cannot necessarily be expected to represent single, physically realizable host regions but to model the generating data sets in an average way. In addition, the differences between the lowest-misfit stochastic models and the empirical ground-motion prediction equation are strongly distance, magnitude, and frequency dependent, which, according to the laws of uncertainty propagation, will increase the variance of the corresponding hybrid empirical model predictions (Scherbaum et al., 2005). As a consequence, the selection of empirical ground-motion models for host-to-target-region conversions requires considerable judgment of the ground-motion analyst. Dans les secteurs modéré à la basse activité séismique il y a généralement un manque de mouvement au sol fort enregistré. Par conséquent, la prévision du mouvement au sol prévue pour de futurs tremblements de terre hypothétiques est souvent exécutée en utilisant les modèles empiriques d'autres régions. Dans ce contexte, l'approche empirique hybride de Campbell (Campbell, 2003, 2004) fournit un cadre méthodologique pour adapter les équations au sol de prévision de mouvement aux régions arbitraires de cible en utilisant le centre serveur spectral de réponse aux filtres de conversion de région de cible. À cette fin, l'équation au sol empirique de prévision de mouvement doit être mesurée en termes de modèle stochastique. Le problème que nous adressons voici comment à faire ceci d'une manière systématique et comment évaluer les incertitudes correspondantes. Pour la détermination des paramètres modèles nous employons une recherche génétique d'algorithme. Les spectres modèles stochastiques ont été calculés en employant une version optimisée par vitesse de SMSIM (Boore, 2000). Pour la majeure partie du mouvement au sol empirique modèle, nous obtenons des ensembles de modèles stochastiques que le match les modèles empiriques dans les pleines marges de grandeur et de distance de leurs Modem se produisants jaillissent assez. La qualité globale de l'ajustement et les ensembles de paramètre modèles résultants dépendent fortement du choix particulier du métrique de distance utilisé pour le modèle stochastique. Nous suggérons l'utilisation de la distance hypocentral métrique pour la simulation stochastique du mouvement au sol fort parce qu'elle fournit les modèles stochastiques du plus bas vêtement manqué pour la plupart des équations empiriques. C'est en accord avec les résultats de deux études récentes des endroits de hypocenter dans les modèles finis de source qui indiquent que des hypocenters sont souvent situés près des régions de grande glissade (Mai et autres., 2005 ; Manighetti et autres., 2005). Puisqu'essentiellement toutes les équations au sol empiriques de prévision de mouvement contiennent des données de différentes régions géographiques, les paramètres modèles correspondant aux modèles stochastiques du plus bas vêtement manqué ne peuvent pas nécessairement être prévus pour représenter des régions simples et physiquement réalisables de centre serveur mais pour modeler les Modem se produisants d'une manière moyenne. En outre, les différences entre les modèles stochastiques du plus bas vêtement manqué et l'équation au sol empirique de prévision de mouvement sont fortement la distance, la grandeur, et liées à la fréquence, qui, selon les lois de la propagation d'incertitude, augmenteront le désaccord des prévisions modèles empiriques hybrides correspondantes (Scherbaum et autres., 2005). Par conséquent, le choix des modèles au sol empiriques de mouvement pour que le centre serveur vise des conversions de région exige le jugement considérable de l'analyste moulu de mouvement. DEWEY : 551.2 ISSN : 0037-1106 En ligne : fabrice.cotton@obs.ujf-grenoble.fr [article] The estimation of minimum-misfit stochastic models from empirical ground-motion prediction equations = L'Evaluation des modèles stochastiques de vêtement manqué minimum à partir des equations au sol empiriques de prévision de mouvement [texte imprimé] / Scherbaum, Frank, Auteur ; Staedtke, Helmut, Auteur ; Cotton, Fabrice, Auteur . - 427-445 p. Génie Civil Langues : Anglais (eng) in Bulletin of the seismological society of America > Vol. 96 N° 2 (Avril 2006) . - 427-445 p. Mots-clés : Activité  séismique  Sol  Seisme  Equations Index. décimale : 551.2 Résumé : In areas of moderate to low seismic activity there is commonly a lack of recorded strong ground motion. As a consequence, the prediction of ground motion expected for hypothetical future earthquakes is often performed by employing empirical models from other regions. In this context, Campbell’s hybrid empirical approach (Campbell, 2003, 2004) provides a methodological framework to adapt ground-motion prediction equations to arbitrary target regions by using response spectral host-to-target-region-conversion filters. For this purpose, the empirical ground-motion prediction equation has to be quantified in terms of a stochastic model. The problem we address here is how to do this in a systematic way and how to assess the corresponding uncertainties. For the determination of the model parameters we use a genetic algorithm search. The stochastic model spectra were calculated by using a speed-optimized version of SMSIM (Boore, 2000). For most of the empirical ground-motion models, we obtain sets of stochastic models that match the empirical models within the full magnitude and distance ranges of their generating data sets fairly well. The overall quality of fit and the resulting model parameter sets strongly depend on the particular choice of the distance metric used for the stochastic model. We suggest the use of the hypocentral distance metric for the stochastic simulation of strong ground motion because it provides the lowest-misfit stochastic models for most empirical equations. This is in agreement with the results of two recent studies of hypocenter locations in finite-source models which indicate that hypocenters are often located close to regions of large slip (Mai et al., 2005; Manighetti et al., 2005). Because essentially all empirical ground-motion prediction equations contain data from different geographical regions, the model parameters corresponding to the lowest-misfit stochastic models cannot necessarily be expected to represent single, physically realizable host regions but to model the generating data sets in an average way. In addition, the differences between the lowest-misfit stochastic models and the empirical ground-motion prediction equation are strongly distance, magnitude, and frequency dependent, which, according to the laws of uncertainty propagation, will increase the variance of the corresponding hybrid empirical model predictions (Scherbaum et al., 2005). As a consequence, the selection of empirical ground-motion models for host-to-target-region conversions requires considerable judgment of the ground-motion analyst. Dans les secteurs modéré à la basse activité séismique il y a généralement un manque de mouvement au sol fort enregistré. Par conséquent, la prévision du mouvement au sol prévue pour de futurs tremblements de terre hypothétiques est souvent exécutée en utilisant les modèles empiriques d'autres régions. Dans ce contexte, l'approche empirique hybride de Campbell (Campbell, 2003, 2004) fournit un cadre méthodologique pour adapter les équations au sol de prévision de mouvement aux régions arbitraires de cible en utilisant le centre serveur spectral de réponse aux filtres de conversion de région de cible. À cette fin, l'équation au sol empirique de prévision de mouvement doit être mesurée en termes de modèle stochastique. Le problème que nous adressons voici comment à faire ceci d'une manière systématique et comment évaluer les incertitudes correspondantes. Pour la détermination des paramètres modèles nous employons une recherche génétique d'algorithme. Les spectres modèles stochastiques ont été calculés en employant une version optimisée par vitesse de SMSIM (Boore, 2000). Pour la majeure partie du mouvement au sol empirique modèle, nous obtenons des ensembles de modèles stochastiques que le match les modèles empiriques dans les pleines marges de grandeur et de distance de leurs Modem se produisants jaillissent assez. La qualité globale de l'ajustement et les ensembles de paramètre modèles résultants dépendent fortement du choix particulier du métrique de distance utilisé pour le modèle stochastique. Nous suggérons l'utilisation de la distance hypocentral métrique pour la simulation stochastique du mouvement au sol fort parce qu'elle fournit les modèles stochastiques du plus bas vêtement manqué pour la plupart des équations empiriques. C'est en accord avec les résultats de deux études récentes des endroits de hypocenter dans les modèles finis de source qui indiquent que des hypocenters sont souvent situés près des régions de grande glissade (Mai et autres., 2005 ; Manighetti et autres., 2005). Puisqu'essentiellement toutes les équations au sol empiriques de prévision de mouvement contiennent des données de différentes régions géographiques, les paramètres modèles correspondant aux modèles stochastiques du plus bas vêtement manqué ne peuvent pas nécessairement être prévus pour représenter des régions simples et physiquement réalisables de centre serveur mais pour modeler les Modem se produisants d'une manière moyenne. En outre, les différences entre les modèles stochastiques du plus bas vêtement manqué et l'équation au sol empirique de prévision de mouvement sont fortement la distance, la grandeur, et liées à la fréquence, qui, selon les lois de la propagation d'incertitude, augmenteront le désaccord des prévisions modèles empiriques hybrides correspondantes (Scherbaum et autres., 2005). Par conséquent, le choix des modèles au sol empiriques de mouvement pour que le centre serveur vise des conversions de région exige le jugement considérable de l'analyste moulu de mouvement. DEWEY : 551.2 ISSN : 0037-1106 En ligne : fabrice.cotton@obs.ujf-grenoble.fr