Méthodes et modèles statistiques pour la sismogenèse

La base de la sismologie statistique est la loi probabiliste des paramètres des séismes. Malheureusement, les modèles de lois probabilistes des paramètres des tremblements de terre restent pour la plupart inconnus, et ceux que l’on pense connaître sont souvent réfutés par des tests plus approfondis.

Au cours des 20 dernières années, grâce à l’augmentation constante des capacités informatiques, de nombreux simulateurs de séismes ont été développés, capables de générer des catalogues synthétiques de séismes couvrant jusqu’à des centaines de milliers d’années.

Les modifications des contraintes induites par les tremblements de terre sont connues pour leur capacité à produire des séquences d’événements ultérieurs que l’on appelle communément des répliques. Les processus des répliques semblent être les meilleurs exemples de l’augmentation du taux de sismicité à la suite d’un événement déclencheur. La capacité d’un tremblement de terre à produire des événements ultérieurs se caractérise par la productivité, qui est comprise comme le nombre d’événements initiés.

Ce chapitre prèsente le modèle ETAS – couramment utilisé en sismologie pour décrire les caractéristiques de regroupement du processus sismique – et analyse l’utilité de ce modèle pour expliquer le phénomène des chocs précurseurs et la loi de Båth.

Le principal objectif de ce chapitre est de passer en revue les principales hypothèses et les étapes analytiques proposées pour expliquer le comportement temporel des répliques, en termes de friction et de dynamique de post-glissement dépendant du temps.

Il est à souligner l’importance des applications de la modélisation stochastique en sismologie, car elles aident considérablement à comprendre, modéliser et tester la dynamique sous-jacente de la génération des tremblements de terre et des prédictions potentielles. L’éventail de ces modèles est vaste et dépend du champ et des caractéristiques qu’ils essaient de modéliser, ainsi que des différents types de données utilisées.

Ce chapitre fournit un examen de certaines des propriétés collectives des populations de séismes dans le domaine temporel et, sur la base de ces propriétés, les auteurs analysent si les séismes se produisent de manière aléatoire dans le temps ou non.

Ce chapitre présente un examen approfondi des applications des SRM, discutons de leur formulation et de leurs différentes versions et fournissons quelques exemples d’applications en Grèce, la zone la plus active sur le plan sismique dans la région méditerranéenne.

Ce chapitre montre que l’évolution temporelle des groupes de séismes identifiés est cohérente avec celles obtenues par des études antérieures de séquences sismiques sélectionnées, et que les états cachés des taux de sismicité les plus élevés sont principalement associés à des séquences AM et de type essaim.

Ce chapitre constitue un examen détaillé de la détection des points de changement dans la modélisation de la sismicité, en combinant à la fois des modèles de points de changement fondamentaux et une étude récente dans ce domaine.

Ce chapitre présente les processus semi-markoviens et les systèmes multi-états, et dérive la classe de lois de probabilité fermées au minimum. L’évolution du processus et les estimateurs des paramètres correspondants sont également dérivés. La fonction de renouvellement markovien, la matrice de transition semi-markovienne ainsi que leurs estimateurs sont présentés.