Вероятностный анализ распределения пиковой интенсивности землетрясений на примере г. Иркутска

Цель заключается в прогнозировании вероятности землетрясений заданного уровня интенсивности. Актуальность этой проблемы отмечается для сейсмоопасной зоны юга Иркутской области с расчетной интенсивностью колебаний до 9 баллов, где расположены крупные населенные пункты с развитым промышленным и гражданским строительством. Проанализированы данные по сейсмической активности Прибайкалья и Забайкалья с 1973–2020 гг., на основании которых, с использованием уравнения макросейсмического поля, получены значения интенсивности колебаний в г. Иркутске. Алгоритм прогнозирования крупных и средних землетрясений основан на использовании аппарата математической статистики и теории вероятности. На основе выборки максимальных значений интенсивности колебаний для каждого года за указанный период было составлено соответствующее эмпирическое распределение. Рассматривается возможность применения часто встречающихся функций распределения применительно к описанию распределения интенсивности сейсмических колебаний. Выявлено, что наиболее точное отражение статистических данных дает функция нормального распределения. Сделан вывод о том, что, используя данную функцию, можно определить не только вероятность колебаний высокой интенсивности, которые могут повлечь за собой серьезные разрушения, но также и наиболее вероятную пиковую годовую интенсивность колебаний, что может стать предпосылкой к проведению мероприятий, связанных с повышением сопротивляемости несущих конструкций зданий и сооружений фоновым сейсмическим воздействиям.

1. Архиреева И. Г., Заалишвили З. В. К оценке экономического ущерба от сильных землетрясений // Сейсмостойкое строительство. Безопасность сооружений. 2013. № 4. С. 69–72.

2. Борисов В. В. Статистическое моделирование прямых социальных и экономических последствий землетрясений в районе озера Байкал // Науковедение. 2016. Т. 8. № 2 (33). С. 1–25. http://doi.org/10.15862/43EVN216.

3. Белоногова Е. А. Таншаньское землетрясение в Китае: современные коммеморативные практики // Сибирские исторические исследования. 2019. № 4. С. 114–133. https://doi.org/10.17223/2312461X/26/6.

4. Кашковский В. В., Семенов Р. М., Лопатин М. Н. Применение системного подхода для разработки методов прогноза землетрясений // Современные технологии. Системный анализ. Моделирование. 2017. № 2 (54). С. 95–102.

5. Гайский В. Н. Статистические исследования сейсмического режима. М.: Наука, 1970. 124 с.

6. Fedotov S. A., Solomatin A. V. Long-term earthquake prediction (LTEP) for the Kuril–Kamchatka island arc, June 2019 to May 2024; properties of preceding seismicity from January 2017 to May 2019. The development and practical application of the LTEP method // Journal of Volcanology and Seismology. 2019. No. 13. P. 349–362.

7. Teng G., Baker J. W. Seismicity Declustering and Hazard Analysis of the Oklahoma–Kansas Region // Bulletin of the Seismological Society of America. 2019. No. 109 (6). P. 2356–2366.

8. Console R., Jackson D. D., Kagan Y. Y. Using the ETAS model for catalog declustering and seismic background assessment // Pure and applied geophysics. 2010. Vol. 167. No 6–7. P. 819–830.

9. Shebalin P. N., Baranov S. V., Narteau C. Earthquake productivity law // Geophysical journal international. 2020. No 222. P. 1264–1269. http://doi.org/10.1093/gji/ggaa252.

10. Pratnya Paramitha Oktaviana, Irhamah. Kolmogorov-Smirnov Goodness-of-Fit test for identifying distribution of the number of earthquakes and the losses due to earthquakes in Indonesia // Journal of Physics: Conference Series (Surabaya, 24 October 2020). 2020. Vol. 1821. P. 012045. https://doi.org/10.1088/1742-6596/1821/1/012045.

11. Широков В. А., Фирстов П. П., Макаров Е. О., Степанов И. И., Степанов В. И. Возможный подход к краткосрочному и долгосрочному прогнозу сильнейших землетрясений на примере Тохоку (Япония) 11 марта 2011 г., mw=9.0 // Сейсмические приборы. 2014. Т. 50. № 4. С. 5–22.

12. Lyubushin A. A. The statistics of the time segments of low-frequency microseisms: trends and synchroni-zation // Izvestiya. Physics of the solid earth. 2010. Vol. 46. P. 544–554. http://doi.org/10.1134/S1069351310060091.

13. Любушин А. А. Анализ микросейсмического шума дал возможность оценить магнитуду, время и место сейсмической катастрофы в Японии 11 марта 2011 г. // Наука и технологические разработки. 2011. № 90. С. 3–12.

14. Sobolev G. A. Microseismic variations prior to a strong earthquake // Izvestiya. Physicsofthesolidearth. 2004. Vol. 40. No. 6. P. 455–464.

15. Рыхлов А. Б. Анализ применения законов распределения для выравнивания скоростей ветра // Известия Саратовского университета. Новая серия. Серия: науки о Земле. 2010. Т. 10. № 2. C. 25–30.

16. Райзер В. Д. Теория надежности сооружений. М.: Изд-во Ассоциации строительных вузов, 2010. С. 383.

17. Yamamoto Y., Baker J. W. Stochastic model for earthquake ground motion using wavelet packets // Bulletin of the Seismological Society of America. 2013. Vol. 103. No. 6. P. 3044–3056. http://doi.org/10.1785/0120120312.

18. Bradley B. A., Baker J. W. Ground motion directionality in the 2010-2011 Canterbury earthquakes // Earthquake Engineering & Structural Dynamics. 2015. Vol. 44. No. 3. P. 371–384. http://doi.org/10.1002/eqe.2474.

19. Shahi S. K., Baker J. W. NGA-West2 models for ground-motion directionality // Earthquake Spectra. 2014. Vol. 30. No. 3. P. 1285–1300. https://doi.org/10.1193/040913eqs097m.