TY - THES A1 - Lilienkamp, Henning T1 - Enhanced computational approaches for data-driven characterization of earthquake ground motion and rapid earthquake impact assessment T1 - Fortgeschrittene Berechnungsansätze für die datengestützte Charakterisierung von Erdbeben-Bodenbewegungen und die schnelle Einschätzung von Erdbebenauswirkungen N2 - Rapidly growing seismic and macroseismic databases and simplified access to advanced machine learning methods have in recent years opened up vast opportunities to address challenges in engineering and strong motion seismology from novel, datacentric perspectives. In this thesis, I explore the opportunities of such perspectives for the tasks of ground motion modeling and rapid earthquake impact assessment, tasks with major implications for long-term earthquake disaster mitigation. In my first study, I utilize the rich strong motion database from the Kanto basin, Japan, and apply the U-Net artificial neural network architecture to develop a deep learning based ground motion model. The operational prototype provides statistical estimates of expected ground shaking, given descriptions of a specific earthquake source, wave propagation paths, and geophysical site conditions. The U-Net interprets ground motion data in its spatial context, potentially taking into account, for example, the geological properties in the vicinity of observation sites. Predictions of ground motion intensity are thereby calibrated to individual observation sites and earthquake locations. The second study addresses the explicit incorporation of rupture forward directivity into ground motion modeling. Incorporation of this phenomenon, causing strong, pulse like ground shaking in the vicinity of earthquake sources, is usually associated with an intolerable increase in computational demand during probabilistic seismic hazard analysis (PSHA) calculations. I suggest an approach in which I utilize an artificial neural network to efficiently approximate the average, directivity-related adjustment to ground motion predictions for earthquake ruptures from the 2022 New Zealand National Seismic Hazard Model. The practical implementation in an actual PSHA calculation demonstrates the efficiency and operational readiness of my model. In a follow-up study, I present a proof of concept for an alternative strategy in which I target the generalizing applicability to ruptures other than those from the New Zealand National Seismic Hazard Model. In the third study, I address the usability of pseudo-intensity reports obtained from macroseismic observations by non-expert citizens for rapid impact assessment. I demonstrate that the statistical properties of pseudo-intensity collections describing the intensity of shaking are correlated with the societal impact of earthquakes. In a second step, I develop a probabilistic model that, within minutes of an event, quantifies the probability of an earthquake to cause considerable societal impact. Under certain conditions, such a quick and preliminary method might be useful to support decision makers in their efforts to organize auxiliary measures for earthquake disaster response while results from more elaborate impact assessment frameworks are not yet available. The application of machine learning methods to datasets that only partially reveal characteristics of Big Data, qualify the majority of results obtained in this thesis as explorative insights rather than ready-to-use solutions to real world problems. The practical usefulness of this work will be better assessed in the future by applying the approaches developed to growing and increasingly complex data sets. N2 - Das rapide Wachstum seismischer und makroseismischer Datenbanken und der vereinfachte Zugang zu fortschrittlichen Methoden aus dem Bereich des maschinellen Lernens haben in den letzen Jahren die datenfokussierte Betrachtung von Fragestellungen in der Seismologie ermöglicht. In dieser Arbeit erforsche ich das Potenzial solcher Betrachtungsweisen im Hinblick auf die Modellierung erdbebenbedingter Bodenerschütterungen und der raschen Einschätzung von gesellschaftlichen Erdbebenauswirkungen, Disziplinen von erheblicher Bedeutung für den langfristigen Erdbebenkatastrophenschutz in seismisch aktiven Regionen. In meiner ersten Studie nutze ich die Vielzahl an Bodenbewegungsdaten aus der Kanto Region in Japan, sowie eine spezielle neuronale Netzwerkarchitektur (U-Net) um ein Bodenbewegungsmodell zu entwickeln. Der einsatzbereite Prototyp liefert auf Basis der Charakterisierung von Erdbebenherden, Wellenausbreitungspfaden und Bodenbeschaffenheiten statistische Schätzungen der zu erwartenden Bodenerschütterungen. Das U-Net interpretiert Bodenbewegungsdaten im räumlichen Kontext, sodass etwa die geologischen Beschaffenheiten in der Umgebung von Messstationen mit einbezogen werden können. Auch die absoluten Koordinaten von Erdbebenherden und Messstationen werden berücksichtigt. Die zweite Studie behandelt die explizite Berücksichtigung richtungsabhängiger Verstärkungseffekte in der Bodenbewegungsmodellierung. Obwohl solche Effekte starke, impulsartige Erschütterungen in der Nähe von Erdbebenherden erzeugen, die eine erhebliche seismische Beanspruchung von Gebäuden darstellen, wird deren explizite Modellierung in der seismischen Gefährdungsabschätzung aufgrund des nicht vertretbaren Rechenaufwandes ausgelassen. Mit meinem, auf einem neuronalen Netzwerk basierenden, Ansatz schlage ich eine Methode vor, umdieses Vorhaben effizient für Erdbebenszenarien aus dem neuseeländischen seismischen Gefährdungsmodell für 2022 (NSHM) umzusetzen. Die Implementierung in einer seismischen Gefährdungsrechnung unterstreicht die Praktikabilität meines Modells. In einer anschließenden Machbarkeitsstudie untersuche ich einen alternativen Ansatz der auf die Anwendbarkeit auf beliebige Erdbebeszenarien abzielt. Die abschließende dritte Studie befasst sich mit dem potenziellen Nutzen der von makroseismischen Beobachtungen abgeleiteten pseudo-Erschütterungsintensitäten für die rasche Abschätzung von gesellschaftlichen Erdbebenauswirkungen. Ich zeige, dass sich aus den Merkmalen solcher Daten Schlussfolgerungen über die gesellschaftlichen Folgen eines Erdbebens ableiten lassen. Basierend darauf formuliere ich ein statistisches Modell, welches innerhalb weniger Minuten nach einem Erdbeben die Wahrscheinlichkeit für das Auftreten beachtlicher gesellschaftlicher Auswirkungen liefert. Ich komme zu dem Schluss, dass ein solches Modell, unter bestimmten Bedingungen, hilfreich sein könnte, um EntscheidungsträgerInnen in ihren Bestrebungen Hilfsmaßnahmen zu organisieren zu unterstützen. Die Anwendung von Methoden des maschinellen Lernens auf Datensätze die sich nur begrenzt als Big Data charakterisieren lassen, qualifizieren die Mehrheit der Ergebnisse dieser Arbeit als explorative Einblicke und weniger als einsatzbereite Lösungen für praktische Fragestellungen. Der praktische Nutzen dieser Arbeit wird sich in erst in Zukunft an der Anwendung der erarbeiteten Ansätze auf wachsende und zunehmend komplexe Datensätze final abschätzen lassen. KW - seismology KW - machine learning KW - deep learning KW - ground motion modeling KW - seismic hazard KW - rapid earthquake impact assessment KW - geophysics KW - Deep Learning KW - Geophysik KW - Bodenbewegungsmodellierung KW - maschinelles Lernen KW - schnelle Einschätzung von Erdbebenauswirkungen KW - seismische Gefährdung KW - Seismologie Y1 - 2024 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-631954 ER - TY - THES A1 - Hakimhashemi, Amir Hossein T1 - Time-dependent occurrence rates of large earthquakes in the Dead Sea fault zone and applications to probabilistic seismic hazard assessments T1 - Zeitabhängige Auftretensrate großer Erdbeben entlang der Tote-Meer-Störungszone und ihre Einbeziehung in eine probabilistische seismische Gefährdungseinschätzung N2 - Die relativ hohe seismische Aktivität der Tote-Meer-Störungszone (Dead Sea Fault Zone - DSFZ) ist mit einem hohen Gefahrenpotential verbunden, welches zu einem erheblichen Erdbebenrisiko für die Ballungszentren in den Ländern Syrien, Libanon, Palästina, Jordanien und Israel führt. Eine Vielzahl massiver, zerstörerischer Erdbeben hat sich in diesem Raum in den letzten zwei Jahrtausenden ereignet. Ihre Wiederholungsrate zeigt Anzeichen für eine zeitliche Abhängigkeit, insbesondere wenn lange Zeiträume in Betracht gezogen werden. Die Berücksichtigung der zeitlichen Abhängigkeit des Auftretens von Erdbeben ist für eine realistische seismische Gefährdungseinschätzung von großer Bedeutung. Ziel der vorliegenden Arbeit ist es, anhand des zeitabhängigen Auftretens von Erdbeben eine robuste wahrscheinlichkeitstheoretische seismische Gefährdungseinschätzung am Beispiel der DSFZ zu entwickeln. Mittels dieser Methode soll die zeitliche Abhängigkeit des Auftretens von großen Erdbeben (Mw ≥ 6) untersucht und somit eine Gefährdungseinschätzung für das Untersuchungsgebiet getroffen werden. Primär gilt es zu prüfen, ob das Auftreten von großen Erdbeben tatsächlich einer zeitlichen Abhängigkeit unterliegt und wenn ja, inwiefern diese bestimmt werden kann. Zu diesem Zweck werden insgesamt vier zeitabhängige statistische Verteilungen (Weibull, Gamma, Lognormal und Brownian Passage Time (BPT)) sowie die zeitunabhängige Exponentialverteilung (Poisson-Prozess) getestet. Zur Abschätzung der jeweiligen Modellparameter wird eine modifizierte Methode der gewichteten Maximum-Likelihood-Schätzung (MLE) verwendet. Um einzuschätzen, ob die Wiederholungsrate von Erdbeben einer unimodalen oder multimodalen Form folgt, wird ein nichtparametrischer Bootstrap-Test für Multimodalität durchgeführt. Im Falle einer multimodalen Form wird neben der MLE zusätzlich eine Erwartungsmaximierungsmethode (EM) herangezogen. Zur Auswahl des am besten geeigneten Modells wird zum einem das Bayesschen Informationskriterium (BIC) und zum anderen der modifizierte Kolmogorow-Smirnow-Goodness-of-Fit-Test angewendet. Abschließend werden mittels der Bootstrap-Methode die Konfidenzintervalle der geschätzten Parameter berechnet. Als Datengrundlage werden Erdbeben mit Mw ≥ 6 seit dem Jahre 300 n. Chr. herangezogen. Das Untersuchungsgebiet erstreckt sich von 29.5° N bis 37° N und umfasst ein ca. 40 km breites Gebiet entlang der DSFZ. Aufgrund der seismotektonischen Situation im Untersuchungsgebiet wird zwischen einer südlichen, zentralen und nördlichen Subzone unterschieden. Dabei kann die südliche Subzone aus Mangel an Daten nicht für die Analysen herangezogen werden. Die Ergebnisse für die zentrale Subzone zeigen keinen signifikanten multimodalen Verlauf der Wiederholungsrate von Erdbeben. Des Weiteren ist kein signifikanter Unterschied zwischen den zeitabhängigen und dem zeitunabhängigem Modell zu verzeichnen. Da das zeitunabhängige Modell vergleichsweise einfach interpretierbar ist, wird die Wiederholungsrate von Erdbeben in dieser Subzone unter Annahme der Exponentialverteilungs-Hypothese abgeschätzt. Sie wird demnach als zeitunabhängig betrachtet und beträgt 9.72 * 10-3 Erdbeben (mit Mw ≥ 6) pro Jahr. Einen besonderen Fall stellt die nördliche Subzone dar. In diesem Gebiet tritt im Durchschnitt alle 51 Jahre ein massives Erdbeben (Mw ≥ 6) auf. Das letzte Erdbeben dieser Größe ereignete sich 1872 und liegt somit bereits 137 Jahre zurück. Somit ist in diesem Gebiet ein Erdbeben dieser Stärke überfällig. Im statistischen Mittel liegt die Zeit zwischen zwei Erdbeben zu 96% unter 137 Jahren. Zudem wird eine deutliche zeitliche Abhängigkeit der Erdbeben-Wiederauftretensrate durch die Ergebnisse der in der Arbeit neu entwickelten statistischen Verfahren bestätigt. Dabei ist festzustellen, dass die Wiederholungsrate insbesondere kurz nach einem Erdbeben eine sehr hohe zeitliche Abhängigkeit aufweist. Am besten repräsentiert werden die seismischen Bedingungen in der genannten Subzone durch ein bi-modales Weibull-Weibull-Modell. Die Wiederholungsrate ist eine glatte Zeitfunktion, welche zwei Häufungen von Datenpunkten in der Zeit nach dem Erdbeben zeigt. Dabei umfasst die erste Häufung einen Zeitraum von 80 Jahren, ausgehend vom Zeitpunkt des jeweiligen Bebens. Innerhalb dieser Zeitspanne ist die Wiederholungsrate extrem zeitabhängig. Die Wiederholungsrate direkt nach einem Beben ist sehr niedrig und steigert sich in den folgenden 10 Jahren erheblich bis zu einem Maximum von 0.024 Erdbeben/Jahr. Anschließend sinkt die Rate und erreicht ihr Minimum nach weiteren 70 Jahren mit 0.0145 Erdbeben/Jahr. An dieses Minimum schließt sich die zweite Häufung von Daten an, dessen Dauer abhängig von der Erdbebenwiederholungszeit ist. Innerhalb dieses Zeitfensters nimmt die Erdbeben-Wiederauftretensrate annähernd konstant um 0.015 Erdbeben/Jahr zu. Diese Ergebnisse bilden die Grundlage für eine zeitabhängige probabilistische seismische Gefährdungseinschätzung (PSHA) für die seismische Quellregion, die den nördlichen Raum der DSFZ umfasst. N2 - The seismicity of the Dead Sea fault zone (DSFZ) during the last two millennia is characterized by a number of damaging and partly devastating earthquakes. These events pose a considerable seismic hazard and seismic risk to Syria, Lebanon, Palestine, Jordan, and Israel. The occurrence rates for large earthquakes along the DSFZ show indications to temporal changes in the long-term view. The aim of this thesis is to find out, if the occurrence rates of large earthquakes (Mw ≥ 6) in different parts of the DSFZ are time-dependent and how. The results are applied to probabilistic seismic hazard assessments (PSHA) in the DSFZ and neighboring areas. Therefore, four time-dependent statistical models (distributions), including Weibull, Gamma, Lognormal and Brownian Passage Time (BPT), are applied beside the exponential distribution (Poisson process) as the classical time-independent model. In order to make sure, if the earthquake occurrence rate follows a unimodal or a multimodal form, a nonparametric bootstrap test of multimodality has been done. A modified method of weighted Maximum Likelihood Estimation (MLE) is applied to estimate the parameters of the models. For the multimodal cases, an Expectation Maximization (EM) method is used in addition to the MLE method. The selection of the best model is done by two methods; the Bayesian Information Criterion (BIC) as well as a modified Kolmogorov-Smirnov goodness-of-fit test. Finally, the confidence intervals of the estimated parameters corresponding to the candidate models are calculated, using the bootstrap confidence sets. In this thesis, earthquakes with Mw ≥ 6 along the DSFZ, with a width of about 20 km and inside 29.5° ≤ latitude ≤ 37° are considered as the dataset. The completeness of this dataset is calculated since 300 A.D. The DSFZ has been divided into three sub zones; the southern, the central and the northern sub zone respectively. The central and the northern sub zones have been investigated but not the southern sub zone, because of the lack of sufficient data. The results of the thesis for the central part of the DSFZ show that the earthquake occurrence rate does not significantly pursue a multimodal form. There is also no considerable difference between the time-dependent and time-independent models. Since the time-independent model is easier to interpret, the earthquake occurrence rate in this sub zone has been estimated under the exponential distribution assumption (Poisson process) and will be considered as time-independent with the amount of 9.72 * 10-3 events/year. The northern part of the DSFZ is a special case, where the last earthquake has occurred in 1872 (about 137 years ago). However, the mean recurrence time of Mw ≥ 6 events in this area is about 51 years. Moreover, about 96 percent of the observed earthquake inter-event times (the time between two successive earthquakes) in the dataset regarding to this sub zone are smaller than 137 years. Therefore, it is a zone with an overdue earthquake. The results for this sub zone verify that the earthquake occurrence rate is strongly time-dependent, especially shortly after an earthquake occurrence. A bimodal Weibull-Weibull model has been selected as the best fit for this sub zone. The earthquake occurrence rate, corresponding to the selected model, is a smooth function of time and reveals two clusters within the time after an earthquake occurrence. The first cluster begins right after an earthquake occurrence, lasts about 80 years, and is explicitly time-dependent. The occurrence rate, regarding to this cluster, is considerably lower right after an earthquake occurrence, increases strongly during the following ten years and reaches its maximum about 0.024 events/year, then decreases over the next 70 years to its minimum about 0.0145 events/year. The second cluster begins 80 years after an earthquake occurrence and lasts until the next earthquake occurs. The earthquake occurrence rate, corresponding to this cluster, increases extremely slowly, such as it can be considered as an almost constant rate about 0.015 events/year. The results are applied to calculate the time-dependent PSHA in the northern part of the DSFZ and neighbouring areas. KW - Zeitanhängig KW - seismische Gefährdung KW - Tote Meer KW - Auftretensrate KW - Erdbeben KW - time dependent KW - seismic hazard KW - Dead Sea KW - occurrence rate KW - earthquake Y1 - 2009 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus-52486 ER -