Поиск по сайту

Вероятностный анализ распределения пиковой интенсивности землетрясений на примере г. Иркутска

2022 / Том 12, номер 4(43) 2022 [ ТЕХНИЧЕСКИЕ НАУКИ. СТРОИТЕЛЬСТВО ]

Цель заключается в прогнозировании вероятности землетрясений заданного уровня интенсивности. Актуальность этой проблемы отмечается для сейсмоопасной зоны юга Иркутской области с расчетной интенсивностью колебаний до 9 баллов, где расположены крупные населенные пункты с развитым промышленным и гражданским строительством. Проанализированы данные по сейсмической активности Прибайкалья и Забайкалья с 1973-2020 гг., на основании которых, с использованием уравнения макросейсмического поля, получены значения интенсивности колебаний в г. Иркутске. Алгоритм прогнозирования крупных и средних землетрясений основан на использовании аппарата математической статистики и теории вероятности. На основе выборки максимальных значений интенсивности колебаний для каждого года за указанный период было составлено соответствующее эмпирическое распределение. Рассматривается возможность применения часто встречающихся функций распределения применительно к описанию распределения интенсивности сейсмических колебаний. Выявлено, что наиболее точное отражение статистических данных дает функция нормального распределения. Сделан вывод о том, что, используя данную функцию, можно определить не только вероятность колебаний высокой интенсивности, которые могут повлечь за собой серьезные разрушения, но также и наиболее вероятную пиковую годовую интенсивность колебаний, что может стать предпосылкой к проведению мероприятий, связанных с повышением сопротивляемости несущих конструкций зданий и сооружений фоновым сейсмическим воздействиям.

Ключевые слова:

сейсмическая активность,землетрясение,математическая статистика,теория вероятностей,критерий Пирсона

Авторы:

Кармазинов Данил Андреевич
Дмитриева Татьяна Львовна

Библиографический список:

Архиреева И. Г., Заалишвили З. В. К оценке экономического ущерба от сильных землетрясений // Сейсмостойкое строительство. Безопасность сооружений. 2013. № 4. С. 69-72.
Борисов В. В. Статистическое моделирование прямых социальных и экономических последствий землетрясений в районе озера Байкал // Науковедение. 2016. Т. 8. № 2 (33). С. 1-25. http://doi.org/10.15862/43EVN216.
Белоногова Е. А. Таншаньское землетрясение в Китае: современные коммеморативные практики // Сибирские исторические исследования. 2019. № 4. С. 114-133. https://doi.org/10.17223/2312461X/26/6.
Кашковский В. В., Семенов Р. М., Лопатин М. Н. Применение системного подхода для разработки методов прогноза землетрясений // Современные технологии. Системный анализ. Моделирование. 2017. № 2 (54). С. 95-102.
Гайский В. Н. Статистические исследования сейсмического режима. М.: Наука, 1970. 124 с.
Fedotov S. A., Solomatin A. V. Long-term earthquake prediction (LTEP) for the Kuril-Kamchatka island arc, June 2019 to May 2024; properties of preceding seismicity from January 2017 to May 2019. The development and practical application of the LTEP method // Journal of Volcanology and Seismology. 2019. No. 13. P. 349-362.
Teng G., Baker J. W. Seismicity Declustering and Hazard Analysis of the Oklahoma-Kansas Region // Bulletin of the Seismological Society of America. 2019. No. 109 (6). P. 2356-2366.
Console R., Jackson D. D., Kagan Y. Y. Using the ETAS model for catalog declustering and seismic background assessment // Pure and applied geophysics. 2010. Vol. 167. No 6-7. P. 819-830.
Shebalin P. N., Baranov S. V., Narteau C. Earthquake productivity law // Geophysical journal international. 2020. No 222. P. 1264-1269. http://doi.org/10.1093/gji/ggaa252.
Pratnya Paramitha Oktaviana, Irhamah. Kolmogorov-Smirnov Goodness-of-Fit test for identifying distribution of the number of earthquakes and the losses due to earthquakes in Indonesia // Journal of Physics: Conference Series (Surabaya, 24 October 2020). 2020. Vol. 1821. P. 012045. https://doi.org/10.1088/1742-6596/1821/1/012045.
Широков В. А., Фирстов П. П., Макаров Е. О., Степанов И. И., Степанов В. И. Возможный подход к краткосрочному и долгосрочному прогнозу сильнейших землетрясений на примере Тохоку (Япония) 11 марта 2011 г., mw=9.0 // Сейсмические приборы. 2014. Т. 50. № 4. С. 5-22.
Lyubushin A. A. The statistics of the time segments of low-frequency microseisms: trends and synchroni-zation // Izvestiya. Physics of the solid earth. 2010. Vol. 46. P. 544-554. http://doi.org/10.1134/S1069351310060091.
Любушин А. А. Анализ микросейсмического шума дал возможность оценить магнитуду, время и место сейсмической катастрофы в Японии 11 марта 2011 г. // Наука и технологические разработки. 2011. № 90. С. 3-12.
Sobolev G. A. Microseismic variations prior to a strong earthquake // Izvestiya. Physicsofthesolidearth. 2004. Vol. 40. No. 6. P. 455-464.
Рыхлов А. Б. Анализ применения законов распределения для выравнивания скоростей ветра // Известия Саратовского университета. Новая серия. Серия: науки о Земле. 2010. Т. 10. № 2. C. 25-30.
Райзер В. Д. Теория надежности сооружений. М.: Изд-во Ассоциации строительных вузов, 2010. С. 383.
Yamamoto Y., Baker J. W. Stochastic model for earthquake ground motion using wavelet packets // Bulletin of the Seismological Society of America. 2013. Vol. 103. No. 6. P. 3044-3056. http://doi.org/10.1785/0120120312.
Bradley B. A., Baker J. W. Ground motion directionality in the 2010-2011 Canterbury earthquakes // Earthquake Engineering & Structural Dynamics. 2015. Vol. 44. No. 3. P. 371-384. http://doi.org/10.1002/eqe.2474.
Shahi S. K., Baker J. W. NGA-West2 models for ground-motion directionality // Earthquake Spectra. 2014. Vol. 30. No. 3. P. 1285-1300. https://doi.org/10.1193/040913eqs097m.