We apply the Bayesian inversion process to make principled estimates of the magnitude and location of a pre-instrumental earthquake in Eastern Indonesia in the mid 19th century, by combining anecdotal historical accounts of the resultant tsunami with our modern understanding of the geology of the region. Quantifying the seismic record prior to modern instrumentation is critical to a more thorough understanding of the current risks in Eastern Indonesia. In particular, the occurrence of such a major earthquake in the 1850s provides evidence that this region is susceptible to future seismic hazards on the same order of magnitude. More importantly, the approach taken here gives evidence that even "small data" that is limited in scope and extremely uncertain can still be used to yield information on past seismic events, which is key to an increased understanding of the current seismic state. Moreover, sensitivity bounds indicate that the results obtained here are robust despite the inherent uncertainty in the observations.


翻译:我们采用巴耶斯倒置程序,对19世纪中叶印度尼西亚东部爆发地震前的地震的规模和地点作出原则性估计,将由此而来的海啸的传闻史记与我们对该地区地质学的现代理解结合起来。在现代仪器化之前对地震记录进行量化对于更透彻地了解印度尼西亚东部当前风险至关重要。特别是,1850年代发生的此类重大地震证明,该地区在同样程度上容易受到未来地震灾害的影响。更重要的是,这里采用的方法证明,即使是范围有限和极不确定的“小数据”也可以用来提供关于过去地震事件的信息,这对于提高对当前地震状况的了解至关重要。此外,敏感性界限表明,尽管观测中存在固有的不确定性,但这里取得的成果是稳健的。

0
下载
关闭预览

相关内容

专知会员服务
80+阅读 · 2021年7月31日
【经典书】模式识别导论,561页pdf
专知会员服务
81+阅读 · 2021年6月30日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
50+阅读 · 2020年12月14日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
30+阅读 · 2021年7月7日
Arxiv
6+阅读 · 2018年3月28日
VIP会员
相关VIP内容
专知会员服务
80+阅读 · 2021年7月31日
【经典书】模式识别导论,561页pdf
专知会员服务
81+阅读 · 2021年6月30日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
50+阅读 · 2020年12月14日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员