Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INFORME ACADEMICO
RESUMENM CRÍTICO
AUTOR
ASESOR:
LINEA DE INVESTIGACIÓN:
LIMA - PERÚ
2019
RESUMEN CRITICO “SISMICIDAD”
1. Modelos de sismicidad
Los geólogos también hablan de la magnitud máxima que se puede generar en un área
determinada, evaluada observando observando las dimensiones de los accidentes geológicos,
las estimaciones producidas son obviamente inciertas y el grado de incertidumbre que debe
expresarse junto con el valor más probable puesto que se dan criterios definidos a cada
probabilidad eh hipótesis correspondiente a su filosofía.
2. Atenuación de intensidad
Según las líneas que muestran la misma intensidad de un choque, están basados solo en
las intensidades observadas en condiciones de suelo homogéneas, tales como suelo
(suelos compactos) o lecho de roca, son aproximadamente elípticos y las orientaciones de
los ejes correspondientes a menudo se correlacionan con las tendencias geológicas locales
o regionales.
………………………………………… (1)
Existe una probabilidad del 60% de que una intensidad observada sea superior a
un grado mayor o menor que su valor predicho.
Housner mostró que las intensidades se atenúan más rápido con la distancia en
la costa oeste que en el resto del país. Milne y Davenport (1969). desarrollaron la
siguiente expresión para a, la aceleración máxima del terreno, como una fracción
de la gravedad:
……………………………………………………… (2)
El término sismicidad local se usará aquí para designar el grado de actividad sísmica en un
volumen dado de la corteza terrestre, los criterios más usuales se basan en límites superiores
a las magnitudes de los terremotos que pueden originarse en una fuente sísmica dada, sobre
la cantidad de energía liberada por choques por unidad de volumen y por unidad de tiempo o
en descripciones estadísticas más detalladas del proceso.
Gutenberg y Richter (1954) obtuvieron expresiones que relacionan las magnitudes de los
terremotos con sus tasas de ocurrencia para varias zonas de la tierra.
……………………………………………………………………… (6)
Donde
Como M tiende a 𝑀𝐿 desde arriba, eq. 7 enfoques eq. 6. Adopción de valores adecuados de 𝑀𝑈 y 𝛽1
permiten satisfacer dos condiciones adicionales: la magnitud máxima factible y la tasa de variación de
λ en sus proximidades. Cuando 𝛽1 → ∞, eq. 8 tiende a una expresión propuesta por Cornell y
Vanmarcke (1969). Yegulalp y Kuo (1974) han aplicado la teoría de los valores extremos para estimar
Las probabilidades de que magnitudes dadas se excedan en intervalos de tiempo dados. Asumen esas
probabilidades para ajustarse a una distribución extrema de tipo III dada por:
Aquí 𝐹𝑀𝑚𝑎𝑥 (M l t) indica la probabilidad de que la magnitud máxima observada. en t años es más
pequeño que M, 𝑀𝑈 tiene el mismo significado que arriba, y C y K son zonas Parámetros dependientes.
Esta distribución es consistente con la suposición de que los terremotos con magnitudes mayores que
M tienen lugar de acuerdo con un proceso de Poisson con una tasa media λ igual a C ( 𝑀𝑈 −𝑀)𝑘 . La
ecuación 9 produce recurrencia de magnitud. curvas que se ajustan estrechamente a los datos
estadísticos en los que se basan para magnitudes superiores 5.2 y períodos de retorno de 1 a 50 años,
aunque los valores de MU que resultan de El análisis estadístico puro no es una medida confiable del
límite superior a las magnitudes. ya que en muchos casos resultan inadmisiblemente altos.
Además, la fig. 9, tomada de Yegulalp y Kuo (1974) muestran que el número de choques detectados
se ajusta al extremo tipo III en eq. 9 mejor que la distribución extrema de tipo I implícita en eq. 6,
acoplado con el supuesto de distribución de Poisson del número de eventos.
El problema merece atención porque las estimaciones de pérdidas esperadas debido a daños no
estructurales pueden ser sensibles a los valores de λ para pequeñas magnitudes ) y porque la
evaluación del nivel de actividad sísmica en una región a menudo se realiza depende de los números
registrados de choques de pequeña magnitud y de los niveles de detectabilidad supuestos, es decir,
de las proporciones de números de terremotos detectados y ocurridos.
Ninguna de las expresiones para λ presentadas en este capítulo posee la propiedad deseable de su
aplicabilidad en varias regiones no superpuestas de la corteza terrestre implica la validez de una
expresión de la misma forma sobre la adición de esas regiones, a menos que se impongan algunas
restricciones en los parámetros de cada λ.
Las tasas medias de superación de magnitudes dadas son promedios esperados durante
largos intervalos de tiempo. En la actualidad, esos tiempos solo se pueden predecir dentro
de un contexto probabilístico.
a) El trazado de histogramas de tiempos de espera entre choques (Knopoff, 1964; Aki, 1963).
d) La función de peligro h (t), definida de modo que h (t) dt es la probabilidad condicional de que
un evento tendrá lugar en el intervalo (t, t + dt) dado que no se han producido eventos antes
de t. Si F (t) es la distribución de probabilidad acumulada del tiempo entre eventos:
Donde
Según los modelos estocásticos de sismicidad suponen que los eventos de la ocurrencia de un
terremoto constituyen un proceso de Poisson y que los 𝑀𝑖 ′𝑠 son independientes e idénticamente
distribuidos. La probabilidad de tener N terremotos con una magnitud superior a M durante el
intervalo de tiempo (0, t) es igual a:
Donde:
Se han observado desviaciones en la dirección opuesta: los tiempos de espera tienden a ser más
periódicos, el índice de dispersión de Poisson es más pequeño que uno, y el proceso se puede
representar mediante un modelo de renovación.
Según (Tsuboi, 1958; Gajardo y Lomnitz, 1960) Los modelos en discusión también fallan en tener en
cuenta la agrupación en el espacio por la evolución de la sismicidad con el tiempo, y por el cambio
sistemático.
El modelo de Poisson no favorece en el análisis estadístico de los tiempos de espera entre terremotos,
Pero se han desarrollado modelos alternativos, la mayoría de ellos del 'tipo de disparo' (Vere-Jones,
1970), es decir, el proceso general de generación de terremotos se considera como la superposición
de una serie de series de tiempo, cada una con un diferente origen, donde los tiempos de origen son
los eventos de un proceso de Poisson.
Los tiempos de origen se distribuyen de acuerdo con un proceso homogéneo de Poisson con la tasa
media v, y todas las 𝑊𝑚 son procesos estocásticos distribuidos de manera idéntica con respecto a (t -
𝑡𝑚 ), se puede demostrar (Parzen, 1962) que se puede obtener la media y la varianza de N
desde:
Parzen también una expresión para la función de generación de probabilidad. 𝜓𝑁 (Z; t) de la
distribución de N en términos de 𝜓𝑤 (Z; t, τ), la función generadora de cada uno de los procesos
componentes:
Donde:
Vere-Jones comparó varias formas alternativas del modelo de Neyman-Scott. con datos
observados sobre la base de estadísticas de primer y segundo orden: funciones de peligro,
Distribuciones de intervalo (en forma de espectros de potencia) y curvas de tiempo de
varianza.
En el modelo de Poisson no se realiza conglomerado (La distribución de N es una función delta de
Dirac centrada en N = 1), mientras que en los modelos exponencial y de ley de potencia, la distribución
de N es extremadamente sesgada hacia N = 1, y Λ (t) se toma respectivamente como 1 - 𝑒 −ƛ𝑡 y
1 − [𝑐/(𝑐 + 𝑡)]𝛿 para t ≥ 0, y como cero para t <0, donde λ, c, y δ son parámetros positivos.
Gaisky (1967) tienen funciones de peligro que sugieren modelos donde los orígenes del clúster, así
como los propios clústeres, pueden estar representados por procesos de renovación.
Lomnitz y Hax (1966) propusieron un modelo de agrupamiento para representar secuencias de réplica;
Es una versión modificada del modelo de Neyman y Scott, donde el proceso de los orígenes de los
grupos no es homogéneos de Poisson con una tasa media decayendo de acuerdo Con la ley de Omori,
la cantidad de eventos en cada grupo tiene una distribución de Poisson, y Λ (t) es exponencial.
Drakopoulos estudió la relación del número total de réplicas cuya magnitud excede un valor dado con
la magnitud del choque principal. (1971) para 140 secuencias de réplica en Grecia desde 1912 hasta
1968. Sus resultados pueden ser expresado por N (M) = A exp (-βM), donde N (M) es el número total
de réplicas con magnitud mayor que M, y A es una función de 𝑀0 La magnitud del choque principal:
cuando k = 1. Si k <1, los intervalos cortos son más frecuente y el coeficiente de variación es
mayor que en el modelo de Poisson; si k> 1, lo contrario es cierto.
A modo de ilustración, supongamos que un factor fijo y determinista daño conocido 𝐷0 ocurre
cuando una magnitud por encima de un valor dado se genera en una fuente dada. Si f (t) es la
función de probabilidad-densidad del tiempo de espera hasta la ocurrencia del evento dañino,
y si el nivel de riesgo es lo suficientemente bajo como para que solo la primera el fallo es
preocupante, el valor esperado del costo actualizado de los daños es (ver Capítulo 9):
La Tabla 2 muestra una comparación del riesgo sísmico determinado bajo la supuestos
alternativos de un modelo de Poisson y gamma (k = 2), ambos con el mismo período medio
de retorno, k / v (Esteva, 1974).
Esta tabla muestra diferencias muy significativas entre los niveles de riesgo para ambos
procesos. A pequeños valores de 𝑡0 , el riesgo es menor para el proceso de gamma, pero crece
con el tiempo, hasta que anula que para el proceso de Poisson, que permanece constante. Las
diferencias mostradas afectan claramente las decisiones de ingeniería.
Por otro lado, está disponible un registro estadístico largo y confiable, que prácticamente
determina la forma y parámetros del modelo matemático seleccionado para representar la
sismicidad local.
En es esquma 20 vemos las funciones de probabilidad exponencial ya que estos intervalos tienden al
infinito (r y t) pero con una relación igual por este caso la incertidumbre bayesiana conjunta de todo
los parámetros de sismicidad dado tomando la expectativa de esa probabilidad con todo sus
parámetros
Mientras que la variabilidad espacial este muestra un mapa de las provincias geotécnicas, tomamos
por ejemplo la zona 1 se muestra esquemáticamente en la fig. Que se mostrara dando datos
estadísticos a lo largo de todo el sistema tectónico
promediada en todo el sistema es una cuestión de aplicar la ecuación Sobre la base de la
información sismotectónica, el sistema que se está considerando puede subdividirse primero
en la placa subyacente y el subsistema de fuentes poco profundas; Cada subsistema puede
entonces ser analizado por separado Tomemos, por ejemplo, la placa subyacente y
subdividámosla en subzona s de igual volumen suficientemente pequeñas. Sea 𝑉𝐿 la tasa de
excedencia de magnitud 𝑀𝐿 en todo el sistema principal, 𝑉𝐿 𝑖 la tasa correspondiente en cada
subzona y defina pi como 𝑉𝐿 / 𝑉𝐿 , con pi independiente de 𝑉𝐿 (𝑃𝑖 es igual a la probabilidad de
que un terremoto que se sabe que se generó en el sistema general se originó en la subzona i).
La información inicial sobre la posible variabilidad espacial de 𝑉𝐿 𝑖 se puede expresar en
términos de una distribución de probabilidad inicial de 𝑃𝑖 y de la correlación entre 𝑃𝑖 y 𝑃𝑖 para
cualquier i y j. Porque Ʃ𝑉𝐿 𝑖 = 𝑉𝐿 uno obtiene ∑ 𝑃𝑖 = 1 Esto impone dos restricciones en la
distribución de probabilidad conjunta inicial de las 𝑃𝑖 : 𝐸′(𝑃𝑖 ) = 1 var ∑ 𝑃𝑖 = 0. Si a todos los
𝑃𝑖 se les asignan expectativas iguales y se supone que todos los pares 𝑃𝑖 , 𝑃𝑗 , i possess j poseen
el mismo coeficiente de correlación 𝑃𝑖𝑗 = 𝑃′, as restricciones mencionadas conducen a E '(𝑃𝑖 )
= 1 / s y ρ '= -1 / (s - 1). Los valores posteriores de E (𝑃𝑖 ) y 𝑃𝑖𝑗 se obtienen de acuerdo con los
mismos principios que condujeron a las ecuaciones. 25-28. En este caso, la evidencia
estadística se describe mediante N, el número total de terremotos generados en el sistema y
ni (i = 1, ..., s) los números correspondientes para las subzonas. Dados los 𝑃𝑖 's, la probabilidad
de este evento es la distribución multinomial:
5. Sismicidad regional.
El caso cuando se descuide la incertidumbre en los parámetros de sismicidad será discutido primero.
5.3. Microzoning