ABSTRACT

The present work aims at developing the first probabilistic fling hazard map of India and adjoined regions. First, we developed a new ANN-based ground motion prediction equation (GMPE) for fling corresponding to horizontal and vertical directions. The developed GMPE is based on permanent ground residual displacement form 556 scenario events considered consistent with the regional characteristics. The corresponding simulations are performed by suitably combining the Okada’s solutions. Developed GMPE is comparable with the existing relations and the few available data which contained fling characteristics. Further, the developed GMPE, along with the other two available prediction equations for the fling, is incorporated to represent the ground motion characteristics in the estimation of hazard using a suitable logic tree. In addition to the fling prediction equations, the evaluation of regional fling hazards requires identifying the location of all the probable seismic sources and their seismicity characteristics. In this study, we used the linear-fault model, as the fling is a near field phenomenon. We report the resultant probabilistic fling hazard map for 10%,2% 1%, and 0.5% probability in 50 Years for the region. The maps showed that the active regions in Himalayas, North-Eastern India, and Andaman experience higher values for fling than stable Peninsular India. Thus, this study develops the fling hazard map for the first time, and the results are essential in the design and rehabilitation of important structures in the region.

摘要

目前的工作旨在开发印度和毗邻地区的第一张概率性投掷危险地图。首先，我们开发了一种新的基于人工神经网络的地面运动预测方程（GMPE），用于对应于水平和垂直方向的弹跳。开发的 GMPE 是基于永久地面残余位移形式的 556 情景事件，被认为与区域特征一致。通过适当组合 Okada 的解决方案来执行相应的模拟。开发的GMPE与现有的关系和包含fling特征的少数可用数据具有可比性。此外，已开发的 GMPE 以及其他两个可用的抛掷预测方程被结合起来，以使用合适的逻辑树来表示危险估计中的地面运动特征。除了抛掷预测方程外，区域抛掷灾害的评估还需要确定所有可能的震源的位置及其地震活动特征。在这项研究中，我们使用了线性故障模型，因为甩尾是一种近场现象。我们报告了该地区 50 年内 10%、2%、1% 和 0.5% 概率的最终概率投掷危险图。这些地图显示，喜马拉雅山、印度东北部和安达曼的活跃地区比稳定的印度半岛经历了更高的投掷值。因此，本研究首次绘制了投掷危险图，其结果对于该地区重要结构的设计和修复至关重要。评估区域抛掷危险需要确定所有可能的震源的位置及其地震活动特征。在这项研究中，我们使用了线性故障模型，因为甩尾是一种近场现象。我们报告了该地区 50 年内 10%、2%、1% 和 0.5% 概率的最终概率投掷危险图。这些地图显示，喜马拉雅山、印度东北部和安达曼的活跃地区比稳定的印度半岛经历了更高的投掷值。因此，本研究首次绘制了投掷危险图，其结果对于该地区重要结构的设计和修复至关重要。评估区域抛掷危险需要确定所有可能的震源的位置及其地震活动特征。在这项研究中，我们使用了线性故障模型，因为甩尾是一种近场现象。我们报告了该地区 50 年内 10%、2%、1% 和 0.5% 概率的最终概率投掷危险图。这些地图显示，喜马拉雅山、印度东北部和安达曼的活跃地区比稳定的印度半岛经历了更高的投掷值。因此，本研究首次绘制了投掷危险图，其结果对于该地区重要结构的设计和修复至关重要。该地区 50 年内 2% 1% 和 0.5% 的概率。这些地图显示，喜马拉雅山、印度东北部和安达曼的活跃地区比稳定的印度半岛经历了更高的投掷值。因此，本研究首次绘制了投掷危险图，其结果对于该地区重要结构的设计和修复至关重要。该地区 50 年内 2% 1% 和 0.5% 的概率。这些地图显示，喜马拉雅山、印度东北部和安达曼的活跃地区比稳定的印度半岛经历了更高的投掷值。因此，本研究首次绘制了投掷危险图，其结果对于该地区重要结构的设计和修复至关重要。