Pronóstico de grandes sismos mediante el análisis de semiperiodicidad de procesos puntuales etiquetados
Los grandes sismos, ocurridos en una región sismogénica determinada, son el resultado de procesos críticamente auto-organizados de acumulación y relajación de esfuerzos; y por tanto, conforman secuencias semiperiódicas con tiempos de recurrencia que varían ligeramente de la periodicidad exacta. Estu...
| Autor: | |
|---|---|
| Tipo de documento: | tese |
| Estado: | Versão publicada |
| Data de publicação: | 2016 |
| País: | México |
| Recursos: | Centro de Investigación Científica y de Educación Superior de Ensenada |
| Repositório: | Repositorio Institucional CICESE |
| Idioma: | espanhol |
| OAI Identifier: | oai:cicese.repositorioinstitucional.mx:1007/1323 |
| Acesso em linha: | http://cicese.repositorioinstitucional.mx/jspui/handle/1007/1323 |
| Access Level: | Acceso aberto |
| Palavra-chave: | info:eu-repo/classification/Autor/Pronóstico de sismos, Semiperiodicidad, Procesos puntuales etiquetados info:eu-repo/classification/cti/1 info:eu-repo/classification/cti/25 |
| Resumo: | Los grandes sismos, ocurridos en una región sismogénica determinada, son el resultado de procesos críticamente auto-organizados de acumulación y relajación de esfuerzos; y por tanto, conforman secuencias semiperiódicas con tiempos de recurrencia que varían ligeramente de la periodicidad exacta. Estudios previos han mostrado que es posible identificar estas secuencias mediante el análisis de Fourier de series de tiempo de ocurrencia de grandes sismos en una región determinada; considerando que no necesariamente todos los sismos ocurridos en la región pertenecen a la misma secuencia, ya que puede haber más de un proceso de acumulación y relajación de esfuerzos. La identificación de secuencias puede ser usada para pronosticar la ocurrencia de sismos con intervalos de confianza bien determinados. Este trabajo presenta mejoras en el método mencionado sobre identificación de secuencias y pronóstico: a) Considera la influencia del tamaño de los sismos en el análisis espectral parala identificación de secuencias semiperiódicas, lo cual significa que los tiempos de ocurrencia de sismos son tratados como procesos puntuales etiquetados. b) Utiliza estimación de la probabilidad de no aleatoriedad mejorada. c) Mejora la estimación de los límites superiores de incertidumbre utilizados en el pronóstico. d) Aplica análisis Bayesiano para la evaluación de resultados de postnósticos (pronósticos a posteriori). e) Evalúa la robustez de los pronósticos mediante simulaciones tipo Monte Carlo de ruido en las magnitudes de los datos. Este método mejorado fue probado exitosamente con datos sintéticos y luego aplicado a datos reales de regiones específicas: la costa suroeste de México y el noreste del Arco de Japón. Secuencias semiperiódicas con alta probabilidad de no aleatoriedad fueron identificadas: una secuencia de nueve eventos con !!M ≥ 7.4 en México y una secuencia de cuatro eventos con !!M ≥ 8.0 en Japón. Los postnósticos fueron acertados para los últimos eventos de cada una de las secuencias identificadas y la probabilidad Bayesiana de los postnósticos fue comparada con la probabilidad actualizada del pronóstico. Las probabilidades de los pronósticos, para un intervalo de incertidumbre con un 95% de confianza, son mayores que las probabilidades Poissonianas , y las ganancias de probabilidad y de información son significativas. |
|---|