ارزیابی خطر لرزه ای برای گسل شمال تبریز با تحلیل تمایل لغزش براساس تنش منطقه ای مستخرج از سازوکار ژرفی زمین لرزه ها و مشاهدات GPS
Publish place: Journal of Civil and Environmental Engineering, University of Tabriz، Vol: 52، Issue: 109
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 126
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_CEEJ-52-109_010
تاریخ نمایه سازی: 18 مهر 1402
Abstract:
تحلیل تمایل لغزش، ابزار با ارزشی جهت ارزیابی فعال شدن مجدد یک گسل و برآورد خطر لرزهای است. انجام این تحلیل ابزار مفیدی را جهت کمی سازی پتانسیل لغزش روی یک گسل فراهم می آورد. گسل و میدان تنش تحت بررسی میتواند معلوم یا فرضی باشد. با استفاده از جهت لغزش احتمالی میتوان سازوکار ژرفی را نیز تعیین نمود که با استفاده از آن امکان بررسی سازگاری مابین سازوکارهای ژرفی با ساختارهای زمین شناسی وجود دارد. انجام این آنالیز هم در مورد یک گسل و هم در مجموعه ای از گسل ها امکانپذیر است. پتانسیل لغزش به میدان تنش منطقه ای، جهت صفحه گسل و ضریب اصطکاک بستگی دارد. باتوجه به واقع شدن کلانشهر تبریز در مجاورت گسل شمال تبریز، مطالعه پتانسیل لرزهای در این گسل از اهمیت ویژهای جهت تحلیل خطر لرزهای برای این شهر برخوردار است. در این تحقیق اطلاعات هندسی گسل از منابع مختلف استخراج و ثابت فرض شد. در ادامه تنش منطقه ای از منابع مختلف گردآوری شد. همچنین با استفاده از مشاهدات GPS تنش منطقه ای که بهترین انطباق را به منطقه موردمطالعه داشته باشد برآورد گردید. سپس تنش با استفاده از قانون کاوچی (Cauchy’s law) در راستای بخش های مختلف گسل و عمود بر آنها تجزیه و پتانسیل لغزش برای آنها با در نظرگرفتن درصد نسبت تنش برشی به نرمال محاسبه گردید. حالتهای مختلف تنش نتایج متفاوتی را برای تحلیل در پی داشتند. نکته قابل توجه در نتایج، تمایل لغزش بالای ۵۰ درصد برای شاخه گسل گذرنده از شمال کلانشهر تبریز میباشد که پتانسیل رخداد زمین لرزه را در این بخش نشان میدهد.
Keywords:
Authors
اصغر راست بود
دانشکده مهندسی عمران، دانشگاه تبریز
بابک شاهنده
دانشکده مهندسی عمران، دانشگاه تبریز
مهدی محمدزاده
دانشکده مهندسی عمران، دانشگاه تبریز
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :