@phdthesis{Lilienkamp2024,
  author    = {Lilienkamp, Henning},
  title     = {Enhanced computational approaches for data-driven characterization of earthquake ground motion and rapid earthquake impact assessment},
  doi       = {10.25932/publishup-63195},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus4-631954},
  school      = {Universit{\"a}t Potsdam},
  pages     = {x, 145},
  year      = {2024},
  abstract  = {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.},
  language  = {en}
}
@phdthesis{Hakimhashemi2009,
  author    = {Hakimhashemi, Amir Hossein},
  title     = {Time-dependent occurrence rates of large earthquakes in the Dead Sea fault zone and applications to probabilistic seismic hazard assessments},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus-52486},
  school      = {Universit{\"a}t Potsdam},
  year      = {2009},
  abstract  = {Die relativ hohe seismische Aktivit{\"a}t der Tote-Meer-St{\"o}rungszone (Dead Sea Fault Zone - DSFZ) ist mit einem hohen Gefahrenpotential verbunden, welches zu einem erheblichen Erdbebenrisiko f{\"u}r die Ballungszentren in den L{\"a}ndern Syrien, Libanon, Pal{\"a}stina, Jordanien und Israel f{\"u}hrt. Eine Vielzahl massiver, zerst{\"o}rerischer Erdbeben hat sich in diesem Raum in den letzten zwei Jahrtausenden ereignet. Ihre Wiederholungsrate zeigt Anzeichen f{\"u}r eine zeitliche Abh{\"a}ngigkeit, insbesondere wenn lange Zeitr{\"a}ume in Betracht gezogen werden. Die Ber{\"u}cksichtigung der zeitlichen Abh{\"a}ngigkeit des Auftretens von Erdbeben ist f{\"u}r eine realistische seismische Gef{\"a}hrdungseinsch{\"a}tzung von großer Bedeutung. Ziel der vorliegenden Arbeit ist es, anhand des zeitabh{\"a}ngigen Auftretens von Erdbeben eine robuste wahrscheinlichkeitstheoretische seismische Gef{\"a}hrdungseinsch{\"a}tzung am Beispiel der DSFZ zu entwickeln. Mittels dieser Methode soll die zeitliche Abh{\"a}ngigkeit des Auftretens von großen Erdbeben (Mw ≥ 6) untersucht und somit eine Gef{\"a}hrdungseinsch{\"a}tzung f{\"u}r das Untersuchungsgebiet getroffen werden. Prim{\"a}r gilt es zu pr{\"u}fen, ob das Auftreten von großen Erdbeben tats{\"a}chlich einer zeitlichen Abh{\"a}ngigkeit unterliegt und wenn ja, inwiefern diese bestimmt werden kann. Zu diesem Zweck werden insgesamt vier zeitabh{\"a}ngige statistische Verteilungen (Weibull, Gamma, Lognormal und Brownian Passage Time (BPT)) sowie die zeitunabh{\"a}ngige Exponentialverteilung (Poisson-Prozess) getestet. Zur Absch{\"a}tzung der jeweiligen Modellparameter wird eine modifizierte Methode der gewichteten Maximum-Likelihood-Sch{\"a}tzung (MLE) verwendet. Um einzusch{\"a}tzen, ob die Wiederholungsrate von Erdbeben einer unimodalen oder multimodalen Form folgt, wird ein nichtparametrischer Bootstrap-Test f{\"u}r Multimodalit{\"a}t durchgef{\"u}hrt. Im Falle einer multimodalen Form wird neben der MLE zus{\"a}tzlich 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 gesch{\"a}tzten 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 s{\"u}dlichen, zentralen und n{\"o}rdlichen Subzone unterschieden. Dabei kann die s{\"u}dliche Subzone aus Mangel an Daten nicht f{\"u}r die Analysen herangezogen werden. Die Ergebnisse f{\"u}r die zentrale Subzone zeigen keinen signifikanten multimodalen Verlauf der Wiederholungsrate von Erdbeben. Des Weiteren ist kein signifikanter Unterschied zwischen den zeitabh{\"a}ngigen und dem zeitunabh{\"a}ngigem Modell zu verzeichnen. Da das zeitunabh{\"a}ngige Modell vergleichsweise einfach interpretierbar ist, wird die Wiederholungsrate von Erdbeben in dieser Subzone unter Annahme der Exponentialverteilungs-Hypothese abgesch{\"a}tzt. Sie wird demnach als zeitunabh{\"a}ngig betrachtet und betr{\"a}gt 9.72 * 10-3 Erdbeben (mit Mw ≥ 6) pro Jahr. Einen besonderen Fall stellt die n{\"o}rdliche Subzone dar. In diesem Gebiet tritt im Durchschnitt alle 51 Jahre ein massives Erdbeben (Mw ≥ 6) auf. Das letzte Erdbeben dieser Gr{\"o}ße ereignete sich 1872 und liegt somit bereits 137 Jahre zur{\"u}ck. Somit ist in diesem Gebiet ein Erdbeben dieser St{\"a}rke {\"u}berf{\"a}llig. Im statistischen Mittel liegt die Zeit zwischen zwei Erdbeben zu 96\% unter 137 Jahren. Zudem wird eine deutliche zeitliche Abh{\"a}ngigkeit der Erdbeben-Wiederauftretensrate durch die Ergebnisse der in der Arbeit neu entwickelten statistischen Verfahren best{\"a}tigt. Dabei ist festzustellen, dass die Wiederholungsrate insbesondere kurz nach einem Erdbeben eine sehr hohe zeitliche Abh{\"a}ngigkeit aufweist. Am besten repr{\"a}sentiert werden die seismischen Bedingungen in der genannten Subzone durch ein bi-modales Weibull-Weibull-Modell. Die Wiederholungsrate ist eine glatte Zeitfunktion, welche zwei H{\"a}ufungen von Datenpunkten in der Zeit nach dem Erdbeben zeigt. Dabei umfasst die erste H{\"a}ufung einen Zeitraum von 80 Jahren, ausgehend vom Zeitpunkt des jeweiligen Bebens. Innerhalb dieser Zeitspanne ist die Wiederholungsrate extrem zeitabh{\"a}ngig. 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 H{\"a}ufung von Daten an, dessen Dauer abh{\"a}ngig von der Erdbebenwiederholungszeit ist. Innerhalb dieses Zeitfensters nimmt die Erdbeben-Wiederauftretensrate ann{\"a}hernd konstant um 0.015 Erdbeben/Jahr zu. Diese Ergebnisse bilden die Grundlage f{\"u}r eine zeitabh{\"a}ngige probabilistische seismische Gef{\"a}hrdungseinsch{\"a}tzung (PSHA) f{\"u}r die seismische Quellregion, die den n{\"o}rdlichen Raum der DSFZ umfasst.},
  language  = {en}
}