Neural estimation of strong ground motion duration

• Autores: Leonardo Alcántara Nolasco, Silvia García, Efraín Ovando-Shelley, Marco Antonio Macías
• Localización: Geofísica internacional, ISSN 0016-7169, ISSN-e 2954-436X, Vol. 53, Nº. 3, 2014, págs. 221-239
• Idioma: inglés
• Enlaces
  • Texto completo
• Resumen
  • español

    Este artículo presenta y discute el uso de las redes neuronales para determinar la duración de los movimientos fuertes del terreno. Para tal efecto se desarrolló un modelo neuronal, utilizando datos acelerométricos registrados en las ciudades mexicanas de Puebla y Oaxaca, que predice dicha duración en términos de la magnitud, distancia epicentral, profundidad focal, caracterización del suelo y el azimut. Por lo que, el modelo considera los efectos tanto de la zona sismogénica como del tipo de suelo en la duración del movimiento. El esquema final permite una estimación directa de la duración a partir de variables de fácil obtención y no se basa en hipótesis restrictivas. Los resultados presentados en este artículo indican que la alternativa del cómputo aproximado, particularmente las redes neuronales, es una poderosa aproximación que se basa en los registros sísmicos para explorar y cuantificar los efectos de las condiciones sísmicas y de sitio en la duración del movimiento. Un aspecto esencial y significante de este nuevo modelo es que a pesar de ser extremadamente simple ofrece estimaciones de duración con notable eficiencia.

    Adicional e importante son los beneficios que arroja esta simplicidad sobre la separación natural de los efectos de la fuente, patrón o directividad y de sitio además de la eficiencia computaciona

  • English

    This paper presents and discusses the use of neural networks to determine strong ground motion duration. Accelerometric data recorded in the Mexican cities of Puebla and Oaxaca are used to develop a neural model that predicts this duration in terms of the magnitude, epicenter distance, focal depth, soil characterization and azimuth. According to the above the neural model considers the effect of the seismogenic zone and the contribution of soil type to the duration of strong ground motion. The final scheme permits a direct estimation of the duration since it requires easy-to-obtain variables and does not have restrictive hypothesis. The results presented in this paper indicate that the soft computing alternative, via the neural model, is a reliable recording-based approach to explore and to quantify the effect of seismic and site conditions on duration estimation. An essential and significant aspect of this new model is that, while being extremely simple, it also provides estimates of strong ground motions duration with remarkable accuracy.

    Additional but important side benefits arising from the model’s simplicity are the natural separation of source, path, and site effects and the accompanying computational efficiency