A Markov model for seismic hazard analysis along the Hellenic subduction Zone (Greece)

Résumé El En

Εφαρμόζεται  ένα  ομογενές  Μαρκοβιανό  μοντέλο  διακριτού  χρόνου  και  χώρου καταστάσεων για τη γένεση σεισμών στο Ελληνικό Τόξο, περιοχή υψηλής σεισμικής δραστηριότητας  και  ιδιαίτερης  σημασίας  από  σεισμοτεκτονική  άποψη.  Το  μοντέλο παρέχει μια στοχαστική αναπαράσταση της γένεσης των σεισμών συμβάλλοντας στην εκτίμηση της σεισμικής επικινδυνότητας για την περιοχή μελέτης. Τα δεδομένα που χρησιμοποιούνται  λήφθηκαν  από  τον  κατάλογο  του  Τομέα  Γεωφυσικής  του Αριστοτελείου  Πανεπιστημίου  Θεσσαλονίκης,  ο  οποίος  θεωρείται  ομογενής  και  πλήρης  για  σεισμούς  με  από  το  1911.  Ο  συνεχής  χώρος  καταστάσεων χωρίζεται  σε  κλάσεις  μεγεθών  καθορίζοντας  με  αυτό  τον  τρόπο  τον  χώρο καταστάσεων  του  μοντέλου.  Η  στοχαστική  συμπεριφορά  του  μοντέλου  καθορίζεται XLVII, No 3 - 1376από  τον  πίνακα  πιθανοτήτων  μετάβασής  του,  του  οποίου  υπολογίζεται  αρχικά ο εκτιμητής   μέγιστης   πιθανοφάνειας.   Στη  συνέχεια   εκτιμώνται   σημαντικά χαρακτηριστικά της Μαρκοβιανής αλυσίδας, παρέχοντας προγνωστικά αποτελέσματα σχετικά  με  την  πιθανότητα  γένεσης  ενός  επερχόμενου  ισχυρού  σεισμού.  Οι υπολογισμοί  περιλαμβάνουν  την  εκτίμηση  της  μέσης  τιμής,  της  διασποράς  και  του 95% διαστήματος εμπιστοσύνης του πλήθους των βημάτων που απαιτούνται ώστε η Μαρκοβιανή αλυσίδα να μεταβεί για πρώτη φορά σε μια ορισμένη κατάσταση (που σχετίζεται με τη γένεση ενός επερχόμενου ισχυρού σεισμού).

A homogeneous finite–state discrete–time Markov model is applied for the earthquake occurrence in the Hellenic Subduction Zone (Greece), a region accommodating high seismic activity, being a key structure from a seismotectonic point of view. An attempt is made to provide a stochastic representation of the earthquake process and to assess the seismic hazard through the application of the Markov model. The model is applied on a complete data sample comprising strong () eart  h-quakes that occurred in the study area since 1911 up to present. The continuous magnitude scale is divided into appropriate intervals to specify discrete states of the model. As the stochastic behavior of the model is governed by its transition probability matrix, we firstly estimate its well–known maximum likelihood estimator. The estimation of the transition probability matrix leads to the estimation of important indicators of the Markov chain, including hitting times and failure rate functions. The   mean number of steps for the first occurrence of an anticipated earthquake (belonging to the class with the stronger events, which we are more interested in) is estimated along with its variance. In a next step, we calculate the confidence interval of the   aforementioned estimators.