Estimation of peak ground accelerations for Mexican subduction zone earthquakes using neural networks
Estimation of peak ground accelerations for Mexican subduction zone earthquakes using neural networks
| dc.creator | García, Silvia R. | |
| dc.creator | Romo, Miguel P. | |
| dc.creator | Mayoral, Juan M. | |
| dc.date | 2010-01-25 | |
| dc.date.accessioned | 2018-03-16T15:55:50Z | |
| dc.date.available | 2018-03-16T15:55:50Z | |
| dc.identifier | http://ojs.unam.mx/index.php/geofisica/article/view/40196 | |
| dc.identifier.uri | http://repositorioslatinoamericanos.uchile.cl/handle/2250/1203661 | |
| dc.description | Un análisis exhaustivo de la base de datos mexicana de sismos fuertes se llevó a cabo utilizando técnicas de cómputo aproximado, SC (soft computing). En particular, una red neuronal, NN, es utilizada para estimar ambos componentes ortogonales de la máxima aceleración horizontal del terreno, PGAh, y la vertical, PGAv, medidas en sitios en roca durante terremotos generados en la zona de subducción de la República Mexicana. El trabajo discute el desarrollo, entrenamiento, y prueba de este modelo neuronal. El fenómeno de atenuación fue caracterizado en términos de la magnitud, la distancia epicentral y la profundidad focal. Aproximaciones neuronales fueron utilizadas en lugar de técnicas de regresión tradicionales por su flexibilidad para tratar con incertidumbre y ruido en los datos. La NN sigue de cerca la respuesta medida exhibiendo capacidades predictivas mejores que las mostradas por muchas de las relaciones de atenuación establecidas para la zona de subducción mexicana. Para profundizar la evaluación de la NN, ésta fue también aplicada a sismos generados en las zonas de subducción de Japón y América del Norte, y para la base de datos usada en este artículo, los residuales de las predicciones de la NN y una regresión obtenida del mejor ajuste a los datos son comparados. | es-ES |
| dc.description | An extensive analysis of the strong ground motion Mexican data base was conducted using Soft Computing (SC) techniques. A Neural Network NN is used to estimate both orthogonal components of the horizontal (PGAh) and vertical (PGAv) peak ground accelerations measured at rock sites during Mexican subduction zone earthquakes. The work discusses the development, training, and testing of this neural model. Attenuation phenomenon was characterized in terms of magnitude, epicentral distance and focal depth. Neural approximators were used instead of traditional regression techniques due to their flexibility to deal with uncertainty and noise. NN predictions follow closely measured responses exhibiting forecasting capabilities better than those of most established attenuation relations for the Mexican subduction zone. Assessment of the NN, was also applied to subduction zones in Japan and North America. For the database used in this paper the NN and the-better-fitted- regression approach residuals are compared. | en-US |
| dc.format | application/pdf | |
| dc.language | spa | |
| dc.publisher | Instituto de Geofísica | es-ES |
| dc.relation | http://ojs.unam.mx/index.php/geofisica/article/view/40196/36589 | |
| dc.source | Geofísica Internacional; Vol 46, No 1 (2007) | es-ES |
| dc.source | 0016-7169 | |
| dc.subject | Red neuronal; subducción; aceleración máxima; atenuación | es-ES |
| dc.subject | Neuronal network; subduction; PGA’s; attenuation | en-US |
| dc.title | Estimation of peak ground accelerations for Mexican subduction zone earthquakes using neural networks | es-ES |
| dc.title | Estimation of peak ground accelerations for Mexican subduction zone earthquakes using neural networks | en-US |
| dc.type | Artículos de revistas | |
| dc.type | Artículos de revistas |