Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Dealing with Data Streams: Complex Event Processing vs. Data Stream Mining Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

A Method of Identification of Potential Earthquake Source Zones

verfasst von : K. N. Petrov, V. G. Gitis, A. B. Derendyaev

Erschienen in: Computational Science and Its Applications – ICCSA 2020

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

We propose a machine learning method for mapping potential earthquake source zones (ESZ). We use two hypotheses: (1) the recurrence of strong earthquakes and (2) the dependence of sources of strong earthquakes on the properties of the geological environment. To solve this problem, we know the catalog of earthquakes and a set of spatial fields of geological and geophysical features. We tested the method of identification of the potential ESZ with \(m\ge 6.0\) for the Caucasus region. The map of the potential earthquake source zones and a geological interpretation of the decision rule are presented.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel SPACEA: A Custom-Made GIS Toolbox for Basic Marine Spatial Planning Analyses
Nächstes Kapitel Variography and Morphometry for Classifying Building Centroids: Protocol, Data and Script
Literatur
1.
Ananin, I.: European part of the USSR, Ural, West Siberia. In: A New Catalog of Strong Earthquakes in the USSR from Ancient Times to 1975, pp. 465–470 (1975). (in Russian)
2.
Bishop, C.M.: Machine Learning and Pattern Recognition. Information Science and Statistics. Springer, Heidelberg (2006) MATH
3.
Bune, V., Gorshkov, G.: Seismic zonation of USSR, p. 307. Nauka, Moscow (1980)
4.
Burton, P.W.: Seismic risk in southern Europe through to India examined using Gumbel’s third distribution of extreme values. Geophys. J. Int. 59(2), 249–280 (1979)CrossRef
5.
6.
Geisser, S.: Predictive Inference, vol. 55. CRC Press, Boca Raton (1993)CrossRef
7.
Gelfand, I., et al.: Pattern recognition applied to earthquake epicenters in California. Phys. Earth Planet. Inter. 11(3), 227–283 (1976)CrossRef
8.
Gitis, V., Ermakov, B.: Fundamentals of spatiotemporal forecasting in geoinformatics, p. 256. FIZMATGIS, Moscow (2004)
9.
Gitis, V.G., Derendyaev, A.B.: Machine learning methods for seismic hazards forecast. Geosciences 9(7), 308 (2019)CrossRef
10.
Gitis, V., Andrienko, G., Andrienko, N.: Exploration of seismological information in analytical web GIS. Izvestiya. Phys. Solid Earth 40(3), 216–225 (2004)
11.
Gitis, V., Ermakov, B., Ivanovskaya, L., Osher, B., Trofimov, D., Shchukin, Y.K.: The GEO expert system: application for seismic hazard analysis of the caucasus region. In: Cahiers du Centre Europeen de Geodynamique et de Seismologie. Centre européen de géodynamique et de séismologie (1992)
12.
13.
Kijko, A.: Estimation of the maximum earthquake magnitude, \(m_{max}\). Pure Appl. Geophys. 161(8), 1655–1681 (2004)CrossRef
14.
Kondorskaia, N., Shebalin, N.: New Catalog of Strong Earthquakes in the USSR from Ancient Times Through 1977, vol. 31. World Data Center A for Solid Earth Geophysics (1982)
15.
Kotsiantis, S.B., Zaharakis, I., Pintelas, P.: Supervised machine learning: a review of classification techniques. Emerg. Artif. Intell. Appl. Comput. Eng. 160, 3–24 (2007)
16.
Philip, H., Cisternas, A., Gvishiani, A., Gorshkov, A.: The Caucasus: an actual example of the initial stages of continental collision. Tectonophysics 161(1–2), 1–21 (1989)CrossRef
17.
Pisarenko, V.: Statistical evaluation of maximum possible earthquakes. Phys. Solid Earth 27(9), 757–763 (1991)
18.
Riznichenko, Y.V.: The source dimensions of the crustal earthquakes and the seismic moment. In: Issledovaniya po fizike zemletryasenii, pp. 9–27 (1976)
19.
Sapozhenko, A., Chukhrov, I.: Boolean function minimization in the class of disjunctive normal forms. J. Sov. Math. 46(4), 2021–2052 (1989)CrossRef
20.
Sibson, R.H.: Frictional constraints on thrust, wrench and normal faults. Nature 249(5457), 542–544 (1974)CrossRef
21.
Metadaten
Titel
A Method of Identification of Potential Earthquake Source Zones
verfasst von
K. N. Petrov
V. G. Gitis
A. B. Derendyaev
Copyright-Jahr
2020
Buch
Computational Science and Its Applications – ICCSA 2020

Print ISBN: 978-3-030-58810-6

Electronic ISBN: 978-3-030-58811-3

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-030-58811-3_29

Premium Partner

    Bildnachweise