.png){kind=icon}
返回
Ground-Motion Modeling Using MyShake Smartphone Peak Acceleration Data
.png){kind=icon}
PRE
AI
DOI：10.1785/0120240209.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在地面运动建模领域，密集采样的地面运动数据的可用性正成为将可重复的震源、路径和场地效应映射到地面运动模型（GMMs）中的关键，以使GMMs能够更准确地预测未来地震的震动。这一点尤为重要，因为该领域正朝着具有空间变化系数的非遍历性GMMs发展。为了达到所需的采样水平，添加在极高空间分辨率下收集的非仪器数据（如感知强度数据或智能手机数据）可能至关重要。在利用这些数据之前，需要测试这种非传统数据对自由场地地面运动的预测能力。在本工作中，我们介绍了一个由MyShake智能手机应用程序在2019年至2023年间收集的超过1600个地面震动波形的新数据库，该应用程序向美国西海岸用户提供地震早期预警信息。我们开发了一个GMM，即MyShake GMM，用于记录3 ≤ M ≤ 5.5地震在短距离（<50 km）下记录的智能手机峰值加速度。我们将我们的模型与自由场地GMMs进行比较，并显示相似的几何衰减以及短周期谱加速度（SAs）预测幅值的良好匹配。我们使用残差相关性分析表明，MyShake GMM残差与自由场地残差存在正相关，峰值地面加速度、速度和短周期SA的相关系数约为0.4，这与先前报道的感知强度与自由场地数据之间的相关性相似。这表明密集采样的智能手机地面震动数据在识别各种地面运动建模应用中的可重复自由场地地面运动效应方面具有潜力。这些应用可能包括针对特定位置的场地响应评估、如ShakeMap的地面运动插值方案，或验证非遍历性、空间变化系数GMMs的输出。
Keyword:
INTENSITY DATA
HAZARD
PGV
METHODOLOGY
EARTHQUAKES
CALIFORNIA
PATH
MAP
期刊
IF:
2.9
论文数:
77
被引数:
2.3W
机构
引用论文
A Global Earthquake Discrimination Scheme to Optimize Ground-Motion Prediction Equation Selection
PREAI
分享收藏A global hybridVS30map with a topographic slope-based default and regional map insets.png)
EARTHQUAKE SPECTRA
EARTHQUAKE SPECTRAIF3.7
PREAI
分享收藏
查看更多内容