論文の概要: Kahramanmaras-Gaziantep, Turkiye Mw 7.8 Earthquake on February 6, 2023:
Preliminary Report on Strong Ground Motion and Building Response Estimations
- arxiv url: http://arxiv.org/abs/2302.13088v1
- Date: Sat, 25 Feb 2023 14:17:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-28 18:56:58.392868
- Title: Kahramanmaras-Gaziantep, Turkiye Mw 7.8 Earthquake on February 6, 2023:
Preliminary Report on Strong Ground Motion and Building Response Estimations
- Title（参考訳）: 2023年2月6日トルコ・Mw7.8地震:強震動と建物応答推定に関する予備報告
- Authors: George Papazafeiropoulos, Vagelis Plevris
- Abstract要約: 最大メルカリー強度 XI (Extreme) の地震
その後9時間後にMw 7.5が地震を起こし、最初の地震から北北東95kmの地点で発生した。
この構造は通常の設計よりもはるかに過負荷であったと結論付けている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The effects on structures of the earthquake with magnitude 7.8 on the Richter
scale (moment magnitude scale) which took place in Pazarcik, Kahramanmaras,
Turkiye at 04:17 a.m. local time (01:17 UTC) on February 6, 2023, are
investigated by processing suitable seismic records using the open-source
software OpenSeismoMatlab. The earthquake had a maximum Mercalli intensity of
XI (Extreme) and it was followed by a Mw 7.5 earthquake nine hours later,
centered 95 km to the north-northeast from the first. Peak and cumulative
seismic measures as well as elastic response spectra, constant ductility (or
isoductile) response spectra, and incremental dynamic analysis curves were
calculated for two representative earthquake records of the main event.
Furthermore, the acceleration response spectra of a large set of records were
compared to the acceleration design spectrum of the Turkish seismic code. Based
on the study, it is concluded that the structures were overloaded far beyond
their normal design levels. This, in combination with considerable vertical
seismic components, was a contributing factor towards the collapse of many
buildings in the region. Modifications of the Turkish seismic code are required
so that higher spectral acceleration values can be prescribed, especially in
earthquake-prone regions.
- Abstract（参考訳）: 2023年2月6日,パザルシク,カーラマンマラス,トゥルキイェの現地時間04:17 (01:17 utc) に発生したリヒタースケール(モーメントマグニチュードスケール)に対するマグニチュード7.8の地震構造の影響を,オープンソースソフトウェアopenseismomatlabを用いた適切な地震記録の処理により検討した。
この地震は最大マグニチュード xi (extreme) に達し、9時間後にマグニチュード 7.5 の地震が発生し、1回目の地震から北東へ95 km の地点で発生した。
主地震の2つの代表的な地震記録について, ピークおよび累積地震計, 弾性応答スペクトル, 定数ダクティリティ(アイソダクティル)応答スペクトル, インクリメンタル解析曲線を算出した。
さらに, 大規模記録の加速度応答スペクトルを, トルコ地震符号の加速度設計スペクトルと比較した。
この研究に基づいて、構造は通常の設計レベルをはるかに超えて過負荷に晒されたと結論づけた。
これは相当な垂直地震成分と組み合わされ、この地域の多くの建物が崩壊する要因となった。
トルコの地震コードは、特に地震発生域において、高いスペクトル加速度値が規定されるように修正する必要がある。
関連論文リスト
- Fast Information Streaming Handler (FisH): A Unified Seismic Neural Network for Single Station Real-Time Earthquake Early Warning [56.45067876391473]
既存のEEWアプローチは、フェーズの選択、位置推定、大きさ推定を独立したタスクとして扱い、統一されたフレームワークを欠いている。
我々は高速情報ストリーミングハンドラー(FisH)と呼ばれる新しい統合型地震波ニューラルネットワークを提案する。
FisHは、リアルタイムストリーミング地震データを処理し、位相選択、位置推定、大きさ推定をエンドツーエンドで同時生成するように設計されている。
論文 参考訳（メタデータ） (2024-08-13T04:33:23Z) - Estimating Earthquake Magnitude in Sentinel-1 Imagery via Ranking [5.71478837100808]
本稿では,地震の規模を計量学習問題として推定する。
我々は、Sentinel-1衛星画像から地震の大きさを推定し、さらにペアのサンプルをランク付けするためにモデルを訓練する。
実験の結果,従来の回帰のみに基づく手法に比べて最大30%以上のMAEの改善が得られた。
論文 参考訳（メタデータ） (2024-07-25T15:35:44Z) - Learning Physics for Unveiling Hidden Earthquake Ground Motions via Conditional Generative Modeling [43.056135090637646]
地盤運動の条件生成モデル(CGM-GM)
本研究では, 高周波・空間連続地震動波形を合成する人工知能シミュレータを提案する。
CGM-GMは、最先端の非エルゴディックな地上運動モデルよりも優れた可能性を示す。
論文 参考訳（メタデータ） (2024-07-21T08:23:37Z) - WaveCastNet: An AI-enabled Wavefield Forecasting Framework for Earthquake Early Warning [39.353484781486245]
本稿では,大地震の震動を予測するための新しいAI対応フレームワークWaveCastNetを提案する。
WaveCastNetは、新しい畳み込み長表現型メモリ(ConvLEM)モデルをシーケンスからシーケンスへの予測フレームワーク(seq2seq)に統合する。
サンフランシスコ・ベイエリアのシミュレーションデータを用いて, 地震動の強度とタイミングを迅速に予測できることを示す。
論文 参考訳（メタデータ） (2024-05-30T22:18:16Z) - Data-Driven Prediction of Seismic Intensity Distributions Featuring
Hybrid Classification-Regression Models [21.327960186900885]
本研究では, 地震パラメータに基づいて地震強度分布を予測できる線形回帰モデルを開発した。
このデータセットは、1997年から2020年にかけて日本近海で発生した地震の震度データからなる。
提案モデルでは, 従来のGMPEにおける課題として, 異常な震度分布を予測できる。
論文 参考訳（メタデータ） (2024-02-03T13:39:22Z) - SeisT: A foundational deep learning model for earthquake monitoring
tasks [11.798801355369044]
本稿では,地震モニタリングタスクのための基礎的深層学習モデルである地震計変換器(SeisT)を提案する。
SeisTは、異なるタスクに適した複数のモジュールを組み合わせて、配布外一般化性能を示す。
本研究は,厳密な実験と評価を通じて,地震信号処理と地震研究の発展に寄与する可能性が示唆された。
論文 参考訳（メタデータ） (2023-10-02T09:28:31Z) - Geo-Encoder: A Chunk-Argument Bi-Encoder Framework for Chinese
Geographic Re-Ranking [61.60169764507917]
中国の地理的再ランクタスクは、検索された候補者の中で最も関連性の高い住所を見つけることを目的としている。
そこで我々は,中国語の地理的意味論をより効果的に統合する,革新的なフレームワークであるGeo-Encoderを提案する。
論文 参考訳（メタデータ） (2023-09-04T13:44:50Z) - DIR-AS: Decoupling Individual Identification and Temporal Reasoning for
Action Segmentation [84.78383981697377]
完全な教師付きアクションセグメンテーションは、高密度アノテーションによるフレームワイドアクション認識に作用し、しばしば過剰なセグメンテーションの問題に悩まされる。
本研究では, 時間的ピラミッド拡張と時間的ピラミッドプールを併用して, 効率的なマルチスケールアテンションを実現するため, 新たなローカル・グローバルアテンション機構を開発した。
GTEAでは82.8%(+2.6%)、Breakfastでは74.7%(+1.2%)の精度を実現し,本手法の有効性を示した。
論文 参考訳（メタデータ） (2023-04-04T20:27:18Z) - OKSP: A Novel Deep Learning Automatic Event Detection Pipeline for
Seismic Monitoringin Costa Rica [0.0938460348620674]
コスタリカにおける地震モニタリングのための新しい自動地震検出パイプラインであるOKSPを紹介する。
OKSPは100%抜本的であり、精度は82%であり、F1スコアは0.90である。
この試みは、深層学習手法を用いてコスタリカの地震を自動的に検出する最初の試みであり、近い将来、地震監視ルーチンがAIアルゴリズムによって完全に実行されることを実証する。
論文 参考訳（メタデータ） (2021-09-06T20:24:49Z) - Real-time Earthquake Early Warning with Deep Learning: Application to
the 2016 Central Apennines, Italy Earthquake Sequence [26.349354722386526]
深層学習技術は、地震相ピックの代わりに完全な地震波形から震源情報を抽出する可能性を提供する。
我々は,地震を同時に検出し,震源パラメータを推定する,新しい深層学習型地震早期警報システムを開発した。
我々は,2016年イタリア中部アペニン地震(Mw 6.0)とそれに続く連続地震(Mw 6.0)に本システムを適用した。
論文 参考訳（メタデータ） (2020-06-02T01:27:25Z) - Semiparametric Bayesian Forecasting of Spatial Earthquake Occurrences [77.68028443709338]
本稿では, Epidemic Type Aftershock Sequence (ETAS) モデルのベイズ的完全定式化を提案する。
地理的領域における主震の発生は不均一な空間的点過程に従うと仮定される。
論文 参考訳（メタデータ） (2020-02-05T10:11:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。