The challenge of ground-mo1on predic1on Luis Fabian Bonilla - PowerPoint PPT Presentation

The ¡challenge ¡of ¡ground-­‑mo1on ¡ predic1on Luis ¡Fabian ¡Bonilla Université ¡Paris-­‑Est, ¡IFSTTAR 1

Empirical ¡ground-­‑mo1on ¡predic1on ¡(the ¡components) + σ Source Magnitude Path Distance Site Soil characterization 2

Main ¡factors ¡affec1ng ¡the ¡ground-­‑mo1on ¡ (where ¡does ¡the ¡uncertainty ¡come ¡from?) • Source ¡effects – Magnitude ¡or ¡seismic ¡moment – Rupture ¡direc4vity – Supershear – Faul4ng ¡mechanism – Stress ¡drop – Fault ¡geometry • Path ¡effects – A<enua4on: ¡geometric ¡ a<enua4on, ¡sca<ering ¡and ¡ inelas4c ¡a<enua4on – Angle ¡of ¡incidence – Cri4cal ¡reflec4ons ¡from ¡the ¡Moho ¡ ACer ¡J. ¡Steidl discon4nuity • Site ¡effects – Effect ¡of ¡the ¡local ¡geology 3

Source ¡effects ¡-­‑ ¡Magnitude ACer ¡J. ¡Anderson • However, ¡there ¡are ¡several ¡ magnitude ¡scales ¡(Utzu, ¡2004) Nowadays, ¡M W ¡and ¡M L ¡are ¡o@en ¡ • Amplitude ¡and ¡dura1on ¡are ¡o@en ¡ used propor1onal ¡to ¡the ¡magnitude 4

Direc1vity ¡effects Landers ¡1992 Sta4on ¡SYLMAR ¡– ¡Northridge ¡1994 Effect ¡on ¡the ¡response ¡spectra Effect ¡on ¡the ¡accelera1on (the ¡ground-­‑mo1on ¡is ¡not ¡homogenous) P. ¡Somerville ¡(1997) 5

Path ¡effects ¡– ¡geometric ¡ aPenua1on Amplitude ¡decrease ¡as ¡epicentral ¡ distance ¡increases (Knet ¡network, ¡Japan) Shakal ¡and ¡Bernreuter ¡(1981) Yet, ¡there ¡several ¡distance ¡ defini1ons 6

Example ¡of ¡R hypo ¡and ¡R rup ¡effect Mw 7.1 Darfield earthquake 04/09/2010 (New Zealand) After Faccioli (2010) 7 7

Effects ¡of ¡the ¡angle ¡of ¡ incidence The ¡basin ¡response ¡of ¡ ¡ • Nice ¡strongly ¡depends ¡on ¡ the ¡angle ¡of ¡incidence ¡of ¡ the ¡incoming ¡wavefield Ver4cal ¡incidence ¡may ¡ • underes4mate ¡the ¡basin ¡ response ¡(basin ¡edges) This ¡should ¡be ¡integrated ¡ • in ¡seismic ¡hazard ¡ evalua4ons ¡(difficult ¡in ¡ prac4ce) +35° -35° 0° Gélis ¡et ¡al. ¡(2008) 8

Influence ¡of ¡the ¡local ¡geology Ground ¡mo1on ¡recorded ¡at ¡sites ¡having ¡inter-­‑sta1on ¡ distances ¡less ¡than ¡110 ¡m ¡(ground ¡mo1on ¡variability) ¡ ¡ Steidl ¡(1993) 9

Vs30 ¡variability (Kiknet ¡data) • Strong ¡variability ¡of ¡velocity ¡ profiles ¡within ¡each ¡soil ¡class • This ¡variability ¡is ¡even ¡stronger ¡ at ¡depths ¡greater ¡than ¡30 ¡m • Is ¡Vs30 ¡enough? 0 1000 2000 3000 4000 Vs (m/s) CoPon ¡et ¡al. ¡(2006); ¡Douglas ¡et ¡al. ¡(2009) 10

Effects ¡of ¡the ¡inelas1c ¡aPenua1on A ( f ) = A 0 × e − π × κ × f The ¡Pyrenees ¡( κ ¡= ¡0.017 ¡s) ¡aPenuate ¡less ¡than ¡ • the ¡Alps ¡( κ ¡= ¡0.025 ¡s) France ¡is ¡closer ¡to ¡WNA ¡( κ ¡= ¡0.04 ¡s) ¡than ¡to ¡ENA ¡ • ( κ = ¡0.006 ¡s) Douglas ¡et ¡al. ¡(2010) 11

5.4 ¡Mw ¡à ¡30 ¡km ¡– ¡sol ¡C Ground ¡mo1on ¡variability Spectral acceleration (m/s 2 ) Period (s) Pousse ¡et ¡al. ¡(2006) Note ¡that ¡there ¡is ¡no ¡smooth ¡response ¡spectra ¡(individual ¡records) 12

What ¡about ¡sigma? • Aleatory ¡uncertainty ¡ related ¡to ¡the ¡ physical ¡phenomena • Examples: ¡ hypocenter ¡loca4on, ¡ soil ¡profile, ¡ground ¡ mo4on ¡variability, ¡ etc. ACer ¡E. ¡Field 13

What ¡is ¡a ¡reference ¡site? • Illustra4on ¡of ¡spectral ¡ amplitude ¡decrease ¡for ¡ increasing ¡values ¡of ¡Vs30 ¡ (Causse, ¡2009) • The ¡new ¡genera4on ¡of ¡ GMPEs ¡(NGA) ¡use ¡a ¡soil ¡ classifica4on ¡based ¡on ¡ Vs30 ¡going ¡up ¡to ¡1500 ¡ m/s Causse ¡(2009) 14

Par1al ¡conclusions • Uncertainty ¡quan4fica4on ¡is ¡very ¡important ¡in ¡any ¡ seismic ¡ground-­‑mo4on ¡evalua4on • Data ¡acquisi4on ¡helps ¡to ¡increase ¡our ¡knowledge ¡ and ¡eventually ¡to ¡reduce ¡the ¡aleatory ¡uncertainty • Vs30 ¡may ¡not ¡be ¡enough, ¡thus ¡site ¡ characteriza4on ¡up ¡to ¡the ¡bedrock ¡is ¡needed ¡ (basin ¡geometry) • Given ¡the ¡fact ¡that ¡several ¡models ¡fit ¡the ¡same ¡ data ¡(NGAs), ¡several ¡GMPEs ¡need ¡to ¡be ¡used ¡in ¡ order ¡to ¡take ¡into ¡account ¡the ¡epistemic ¡ uncertainty 15