ارائه رابطه کاهندگی برای براورد مولفه افقی شتاب حاصل اززلزله های کم عمق با استفاده ازروش ترکیبی
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 1,331
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
NCCVAF01_081
Index date: 13 June 2013
ارائه رابطه کاهندگی برای براورد مولفه افقی شتاب حاصل اززلزله های کم عمق با استفاده ازروش ترکیبی abstract
دراین مقاله جهت براورد مولفه افقی شتاب حرکت زمین که توسط زلزله های کم عمق ایجاد شده یک رابطه کاهندگی برای مناطق نزدیک به گسل ارایه شده است برای ساخت این مدل ازداده های شتاب اصلاح شده سراسر جهان که شاهمل 851 رکورد با فاصله حداکثر 60کیلومتر ازگسیختگی با بزرگای بین 5.2تا7.8 بهره گرفته شده است این مدل علاوه بر پارامترهای رایج درروابط کاهندگی تابعی ازپارامترهای دیگری مانند پاسخ غیرخطی ساختگاه عمق رسوبات عمق به سطح گسیختگی تاثیر فرادیواره و مکانیزم گسیختگی می باشد اثرات پاسخ غیرخطی ساختگاه دراین کار توسط پاسخ خطی محدود شده است یک مدل رگرسیون پایدار به نام مدل ترکیبی Mixed Models که شامل تاثیرات ثابت (Fixed Effects و تاثیرات تصادفی Random Effects می باشد برای بدست آوردن این رابطه بکارگرفته شده است دراین مدل ازماکزیمم شتا زمین و شبه شتاب با برون یابی ازپریود 0.01 تا 10ثانیه استفاده شده است تفاوت اساسی بین این مدل و مدلهای توسعه یافته اخیر درپیش بینی زلزله هایی است که درفاصله کم تا متوسط با بزرگاهای زیاد اتفاق افتاده اند این امر به نوع رکوردهای مورد استفاده که حاوی خصوصیات حوزه نزدیک هستند بستگ یدارد.
ارائه رابطه کاهندگی برای براورد مولفه افقی شتاب حاصل اززلزله های کم عمق با استفاده ازروش ترکیبی Keywords:
ارائه رابطه کاهندگی برای براورد مولفه افقی شتاب حاصل اززلزله های کم عمق با استفاده ازروش ترکیبی authors
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 :