🔬 physics

Exceedance Probabilities for Large Earthquakes From DIY Local Earthquake Ensemble Nowcasting and Forecasting

यह शोध पत्र बड़े भूकंपों की अतिव्याप्ति (exceedance) संभावनाओं के बेहतर नाउकास्टिंग (nowcasting) और पूर्वानुमान के लिए क्षेत्रीय भूकंप समूहों के भीतर गुटेनबर्ग-रिक्टर सांख्यिकी को समायोजित करने हेतु एक "नाउकास्ट ट्रांसफॉर्म" विधि प्रस्तुत करता है, जो 1994 के नॉर्थरिज भूकंप के बाद लॉस एंजिल्स क्षेत्र में इसकी निरंतरता और अनुप्रयोग को प्रदर्शित करता है।

मूल लेखक: John B Rundle, Ian Baughman, Andrea Donnellan, Lisa Grant Ludwig, Geoffrey Fox, Kazuyoshi Nanjo

प्रकाशित 2026-04-07

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: John B Rundle, Ian Baughman, Andrea Donnellan, Lisa Grant Ludwig, Geoffrey Fox, Kazuyoshi Nanjo

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप यह अनुमान लगाने की कोशिश कर रहे हैं कि आपके शहर में अगला बड़ा तूफान कब आएगा। आप आने वाले तूफान को देख नहीं सकते, लेकिन आप हर दिन गिरने वाली नन्ही बूंदों की संख्या गिन सकते हैं। यह शोध पत्र इन "नन्ही बूंदों" (छोटे भूकंपों) का उपयोग करके यह अनुमान लगाने के एक नए तरीके के बारे में है कि अगला "बड़ा तूफान" (एक बड़ा भूकंप) कब आ सकता है, विशेष रूप से लॉस एंजिल्स क्षेत्र के लिए।

यहाँ उनके तरीके का सरल उपमाओं (analogies) का उपयोग करके विवरण दिया गया है:

1. मुख्य विचार: बूंदों को गिनना

वैज्ञानिकों का मानना है कि एक विशाल भूकंप आने से पहले, पृथ्वी केवल स्थिर नहीं रहती। यह "तनावपूर्ण" हो जाती है। जैसे-जैसे यह तनावपूर्ण होती है, यह छोटे झटके (छोटे भूकंप) छोड़ती है।

उपमा: एक रबर बैंड को खींचने के बारे में सोचें। टूटने (बड़े भूकंप) से पहले, यह छोटी-छोटी चरचराहट और कड़कड़ाहट (छोटे भूकंप) पैदा करता है। आप जितनी अधिक चरचराहट सुनते हैं, रबर बैंड टूटने के उतना ही करीब होता है।
लक्ष्य: कैलेंडर के आधार पर अनुमान लगाने के बजाय (जैसे, "10 साल हो गए हैं, तो अब यह होने वाला है"), वे पिछले बड़े भूकंप के बाद छोटे भूकंपों की संख्या गिनते हैं। वे इसे "नेचुरल टाइम" (Natural Time) कहते हैं।

2. समस्या: पर्याप्त डेटा की कमी

एक अच्छा अनुमान लगाने के लिए, आपको बहुत अधिक इतिहास की आवश्यकता होती है। लेकिन लॉस एंजिल्स के लिए, हमारे पास 1994 (नॉर्थरिज भूकंप) के बाद से कोई बहुत बड़ा भूकंप नहीं आया है। केवल उस एक शहर के लिए एक विश्वसनीय मॉडल बनाने के लिए यह पर्याप्त डेटा नहीं है।

उपमा: कल्पना करें कि आप एक आदर्श केक बनाना सीखने की कोशिश कर रहे हैं, लेकिन आपने अपने जीवन में केवल एक ही केक बनाया है। आप अपनी रेसिपी के प्रति बहुत आश्वस्त नहीं हो सकते।

3. समाधान: "एन्सेम्बल" (पड़ोस का अध्ययन)

डेटा की कमी को दूर करने के लिए, वैज्ञानिकों ने लॉस एंजिल्स को देखा और फिर उसके चारों ओर बड़े और बड़े आयत (rectangles) बनाए, जैसे तालाब में लहरें उठती हैं।

उपमा: उन्होंने पहले "लॉस एंजिल्स पड़ोस" को देखा, फिर "ग्रेटर एलए क्षेत्र" को, फिर "दक्षिणी कैलिफोर्निया" को, और इसी तरह। उन्होंने माना कि इन बड़े क्षेत्रों में भूकंप व्यवहार करने का तरीका सांख्यिकीय रूप से वैसा ही है जैसा कि लॉस एंजिल्स के छोटे घेरे के आसपास है।
विधि: उन्होंने इन सभी अलग-अलग आकार के क्षेत्रों को एक "प्रशिक्षण कक्षा" (training class) के रूप में इस्तेमाल किया। उन्होंने अध्ययन किया कि इन सभी क्षेत्रों में छोटे भूकंपों ने बड़े भूकंपों का मार्ग कैसे प्रशस्त किया, ताकि लॉस एंजिल्स में अगले बड़े भूकंप की भविष्यवाणी करने के लिए एक मास्टर रेसिपी बनाई जा सके।

4. "नाउकास्ट" (अभी का मौसम रिपोर्ट)

उन्होंने एक उपकरण विकसित किया जिसे "नाउकास्ट" (Nowcast) कहा जाता है। यह कोई दीर्घकालिक पूर्वानुमान नहीं है (जैसे 10 साल की भविष्यवाणी); यह एक "वर्तमान स्थिति रिपोर्ट" है।

उपमा: एक मौसम ऐप के बारे में सोचें जो आपको बताता है, "अगले एक घंटे में बारिश होने की संभावना अभी 40% है।"
यह कैसे काम करता है: वे 1994 से अब तक आए छोटे भूकंपों को गिनते हैं। जैसे-जैसे गिनती बढ़ती है, "नाउकास्ट" स्कोर भी बढ़ता है, जो हमें बताता है कि सिस्टम "स्नैप" (टूटना) के करीब पहुँच रहा है।

5. "जादुई दर्पण" (नाउकास्ट ट्रांसफॉर्म)

यहीं पर यह बहुत चतुर है। वैज्ञानिकों ने महसूस किया कि बड़े क्षेत्रों (लहरों) के नियम छोटे एलए सर्कल से थोड़े अलग हो सकते हैं। यह सुनिश्चित करने के लिए कि उनका प्रशिक्षण डेटा लक्ष्य से मेल खाए, उन्होंने एक "नाउकास्ट ट्रांसफॉर्म" (Nowcast Transform) का आविष्कार किया।

उपमा: कल्पना करें कि आप फेरारी चलाना सीखने की कोशिश कर रहे हैं, लेकिन आपने ड्राइविंग स्कूल में केवल टोयोटा चलाई है। टोयोटा का हैंडल अलग तरह से काम करता है। "ट्रांसफॉर्म" एक जादुई सिम्युलेटर की तरह है जो आपकी टोयोटा के स्टीयरिंग और गति को इस तरह समायोजित करता है कि वह बिल्कुल फेरारी चलाने जैसा महसूस हो।
परिणाम: उन्होंने बड़े क्षेत्रों के डेटा को इस तरह समायोजित किया कि वह लॉस एंजिल्स सर्कल के सांख्यिकीय नियमों से पूरी तरह मेल खा जाए। उन्होंने पाया कि इस समायोजन के साथ भी, उनकी भविष्यवाणियां सुसंगत बनी रहीं।

6. दो घड़ियाँ: कैलेंडर बनाम नेचुरल टाइम

यह पेपर समय को मापने के दो तरीकों की तुलना करता है:

कैलेंडर टाइम (Calendar Time): 1994 के बाद से कितने वर्ष बीत चुके हैं?
नेचुरल टाइम (Natural Time): 1994 के बाद से कितने छोटे भूकंप आए हैं?

चौंकाने वाला निष्कर्ष:

कैलेंडर टाइम: जैसे-जैसे वर्ष बीतते हैं, बड़े भूकंप आने की संभावना पहले कम होती प्रतीत होती है, फिर धीरे-धीरे बढ़ती है। यह एक बहुत देर से आने वाली बस का इंतजार करने जैसा है; आप सोचने लगते हैं कि शायद यह कभी नहीं आएगी, लेकिन अंततः, आप जानते हैं कि यह आएगी।
नेचुरल टाइम: जैसे-जैसे छोटे भूकंपों की गिनती बढ़ती है, बड़े भूकंप आने की संभावना तेजी से बढ़ती है।
अंतर क्यों है? समय के साथ पृथ्वी अधिक "कठोर" (stiffer) हो जाती है। जैसे-जैसे बड़े भूकंप के बाद क्रस्ट (crust) ठीक होता है और सख्त होता है, यह कुछ समय के लिए छोटे दरारें (छोटे भूकंप) बनाना बंद कर देता है। इसलिए, भले ही कई वर्ष बीत जाएं, यदि छोटे भूकंपों की "गिनती" कम है, तो सिस्टम वास्तव में अभी तक "चार्ज" नहीं हुआ है। "नेचुरल टाइम" घड़ी दीवार घड़ी की तुलना में पृथ्वी के तनाव का बेहतर संकेतक है।

लॉस एंजिल्स के लिए परिणामों का सारांश

वर्तमान स्थिति: 1994 के नॉर्थरिज भूकंप के बाद से, लॉस एंजिल्स के 125 किमी के घेरे में लगभग 448 छोटे भूकंप आए हैं।
भविस्यवाणी: इस गिनती के आधार पर, लगभग 29% से 43% संभावना (विशिष्ट विधि के आधार पर) है कि अगले एक वर्ष में 6.0 या उससे अधिक तीव्रता का भूकंप आएगा।
मुख्य बात: पृथ्वी केवल कैलेंडर की तारीख का इंतजार नहीं कर रही है; यह "स्नैप" (टूटना) के लिए तैयार होने से पहले "चरचराहट" (छोटे भूकंपों) की एक विशिष्ट संख्या के होने का इंतजार कर रही है।

संक्षेप में: यह शोध पत्र हमें पृथ्वी की "चरचराहट" को सुनने का एक बेहतर तरीका देता है ताकि हम समझ सकें कि हम अगले बड़े "स्नैप" के कितने करीब हैं, और इसके लिए पूरे क्षेत्र के डेटा का उपयोग करके एक बेहतर अनुमान लगाया जा सकता है।

यहाँ शोध पत्र "Exceeding Probabilities for Large Earthquakes: From DIY Local Earthquake Ensemble Nowcasting and Forecasting: Magnitude, Natural Time, and Calendar Time" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र एक विशिष्ट भौगोलिक क्षेत्र (जो किसी रुचि के बिंदु, जैसे कि एक शहर के आसपास एक मनमाने त्रिज्या वाले वृत्त द्वारा परिभाषित है) के भीतर भविष्य में बड़े भूकंपों ( $M_T \geq 6$ ) के स्थानीय आगमन की पूर्वसूचना देने की चुनौती को संबोधित करता है। मुख्य समस्या यह है कि पिछले बड़े भूकंप के बाद एक विशिष्ट प्राकृतिक समय (छोटे भूकंपों की गणना) और कैलेंडर समय (प्रतीक्षा समय) के भीतर ऐसी घटनाओं के होने की संभावना को कैसे मापा जाए।

लेखक स्थानीय क्षेत्रों में डेटा की कमी को दूर करने के लिए एक एन्सेम्बल दृष्टिकोण (ensemble approach) का उपयोग करते हैं, जहाँ बड़े आस-पास के आयताकार क्षेत्रों के सांख्यिकीय डेटा का उपयोग छोटे गोलाकार लक्ष्य क्षेत्र के लिए प्रशिक्षण और पूर्वानुमान लगाने के लिए किया जाता है। एक महत्वपूर्ण धारणा का परीक्षण किया गया है कि क्या इन बड़े क्षेत्रों के गुटेनबर्ग-रिक्टर (GR) परिमाण-आवृत्ति सांख्यिकी, लक्ष्य गोलाकार क्षेत्र के समान "स्केल्ड सिमिलर" (scaled similar) हैं।

2. कार्यप्रणाली (Methodology)

यह कार्यप्रणाली एक तीन-भाग वाली श्रृंखला पर आधारित है, जो प्राकृतिक समय (घटना गणना), एन्सेम्बल लर्निंग, और रिसीवर ऑपरेटिंग कैरेक्टरिस्टिक (ROC) विश्लेषण को एकीकृत करती है।

A. मुख्य धारणाएं और परिभाषाएं

गुटेनबर्ग-रिक्टर (GR) नियम: मौलिक धारणा यह है कि GR संबंध ( $N = 10^{a - bM}$ ) सभी क्षेत्रों के लिए लागू होता है। यह माना गया है कि $b$ -मान (ढलान) पूरे एन्सेम्बल और लक्ष्य वृत्त में समान है, हालांकि इसमें थोड़ा बदलाव ( $\pm 0.05$ ) हो सकता है।
प्राकृतिक समय (Natural Time): पिछले बड़े भूकंप ( $M_T$ ) के बाद से होने वाले छोटे भूकंपों ( $M_S$ ) की गणना के रूप में परिभाषित है।
क्षेत्रों का एन्सेम्बल (Ensemble of Regions): रुचि के बिंदु (लॉस एंजिल्स) पर केंद्रित विस्तारित आयताकार क्षेत्रों की एक श्रृंखला प्रशिक्षण सेट के रूप में कार्य करती है। यह माना जाता है कि ये क्षेत्र, उचित रूप से स्केल किए जाने पर, लक्ष्य वृत्त की सांख्यिकीय "प्रतिलिपियाँ" हैं।

B. नाउकास्ट फंक्शन (The Nowcast Function)

लेखक एक नाउकास्ट फंक्शन $\Phi(n)$ का उपयोग करते हैं जो पॉइसन सांख्यिकी (Poisson statistics) पर आधारित है, ताकि $n$ छोटे भूकंपों के बाद एक बड़े भूकंप के होने की संभावना को मॉडल किया जा सके:
$\Phi(n) = 1 - e^{-(n/N)}$
जहाँ $N$ बड़े भूकंपों के बीच अपेक्षित छोटे भूकंपों की संख्या है, जिसे GR नियम से प्राप्त किया गया है।

C. एन्सेम्बल वर्कफ़्लो (The Ensemble Workflow)

चक्र निर्माण (Cycle Construction): डेटा को "भूकंप चक्रों" में विभाजित किया गया है, जहाँ प्रत्येक चक्र एक लक्षित परिमाण की घटना के साथ शुरू और समाप्त होता है।
स्केलिंग (Scaling): एन्सेम्बल सदस्यों के लिए पूर्वानुमान समय ( $T_F$ ) को छोटे घटनाओं की दर के अनुपात ( $R_i / R_C$ ) के आधार पर लक्ष्य वृत्त के सापेक्ष स्केल किया जाता है।
ROC कर्व निर्माण: प्रत्येक एन्सेम्बल सदस्य के लिए, नाउकास्ट फंक्शन के विरुद्ध थ्रेशोल्ड मानों को घुमाकर (sweeping) कंडीशनल ROC कर्व बनाए जाते हैं।
- ट्रू पॉजिटिव (TP): नाउकास्ट > थ्रेशोल्ड AND अगला बड़ा भूकंप पूर्वानुमान विंडो के भीतर होता है।
- फॉल्स पॉजिटिव (FP): नाउकास्ट > थ्रेशोल्ड AND भूकंप नहीं होता है।
- ट्रू/फॉल्स नेगेटिव: इन्हें विपरीत रूप में परिभाषित किया गया है।
एन्सेम्बल मीन (Ensemble Mean): पूर्वानुमान संभावना (PPV) निर्धारित करने के लिए सभी एन्सेम्बल सदस्यों में औसत ROC वक्र और मानक विचलन की गणना की जाती है।

D. "नाउकास्ट ट्रांसफॉर्म" (मुख्य नवाचार)

यह परीक्षण करने के लिए कि क्या एन्सेम्बल सांख्यिकी लक्ष्य वृत्त से मेल खाती है, लेखक एक नाउकास्ट ट्रांसफॉर्म पेश करते हैं:

उद्देश्य: एन्सेम्बल सदस्यों के GR सांख्यिकी (विशेष रूप से $b$ -मान) को सटीक रूप से लक्ष्य वृत्त के समान बनाना।
तंत्र:
1. अपने स्थानीय $b$ -मान का उपयोग करके एक एन्सेम्बल अंतराल के लिए नाउकास्ट मान $\Phi(n)$ की गणना करें।
2. लक्ष्य वृत्त के $b$ -मान ( $b_C$ ) का उपयोग करके इस फंक्शन को इनवर्ट करें ताकि रूपांतरित अंतराल $n'$ प्राप्त हो सके।
3. समय समायोजन (Time Adjustment): यदि $n' \neq n$ $n^{'} \neq = n$ , तो एल्गोरिथ्म अंतराल के भीतर छोटी घटनाओं के टाइमस्टैम्प को समायोजित करता है:
  - यदि $n' < n$ : घटनाओं को यादृच्छिक रूप से हटा दें।
  - यदि $n' > n$ : मौजूदा पड़ोसियों के बीच नई घटनाओं के समय को इंटरपोलेट (interpolate) करें।
- यह सांख्यिकीय एकरूपता को लागू करते हुए टेम्पोरल डेंसिटी स्ट्रक्चर (जैसे आफ्टरशॉक क्लस्टरिंग) को सुरक्षित रखता है।

E. एक्ससीडेंस प्रोबेबिलिटी (Exceedance Probability) की गणना

शोध पत्र निम्नलिखित के लिए कंडीशनल एक्ससीडेंस कर्व्स (सर्वाइवर डिस्ट्रीबशंस) की गणना करता है:

परिमाण (Magnitude): अगला इवेंट एक विशिष्ट परिमाण $M$ से अधिक होने की संभावना।
प्राकृतिक समय (Natural Time): छोटे भूकंपों की गणना के संदर्भ में प्रतीक्षा समय।
कैलेंडर समय (Calendar Time): वर्षों में प्रतीक्षा समय, जिसे दर स्केलिंग कारक के व्युत्क्रम (inverse) का उपयोग करके प्राकृतिक समय अंतराल को वापस कैलेंडर समय में स्केल करके प्राप्त किया जाता है।

3. मुख्य योगदान (Key Contributions)

स्थानीय पूर्वानुमान हेतु एन्सेम्बल: यह प्रदर्शित किया गया कि केवल आस-पास के क्षेत्रों के एन्सेम्बल से छोटे भूकंपों की गणना का उपयोग करके स्थानीय भूकंपीय संभावनाओं की मजबूती से गणना की जा सकती है, जिससे लंबे स्थानीय ऐतिहासिक रिकॉर्ड की आवश्यकता समाप्त हो जाती है।
नाउकास्ट ट्रांसफॉर्म: एक नया एल्गोरिथ्म विकसित किया गया जो लक्ष्य क्षेत्र से मेल खाने के लिए एन्सेम्बल सांख्यिकी को समायोजित करता है, जिससे "स्केल्ड सिमिलरिटी" धारणा को प्रमाणित किया गया। परिणामों ने दिखाया कि रूपांतरित डेटा का उपयोग करने वाले पूर्वानुमान सामान्यतः गैर-रूपांतरित डेटा के सुसंगत होते हैं, जो इस पद्धति की विश्वसनीयता को पुष्ट करता है।
दोहरा समय पैमाना विश्लेषण (Dual-Time Scale Analysis): प्राकृतिक समय (घटना गणना) और कैलेंडर समय (प्रतीक्षा समय) दोनों में एक्ससीडेंस प्रोबेबिलिटी की गणना के लिए एक व्यापक ढांचा प्रदान किया, जो दोनों के बीच गैर-रेखीय संबंध को उजागर करता है।
मैग्निट्यूड और टाइम रिस्क प्रोफाइल: परिमाण (25%, 50%, 75% स्तर) और प्रतीक्षा समय के लिए विशिष्ट एक्ससीडेंस कर्व्स उत्पन्न किए, जिससे गतिशील जोखिम मूल्यांकन संभव होता है।

4. परिणाम (Results)

इन विधियों को 1994 के नॉर्थरिज ( $M6.7$ ) भूकंप के बाद लॉस एंजिल्स, CA के 125 किमी त्रिज्या वाले वृत्त पर लागू किया गया।

विधियों की निरंतरता: ओरिजिनल (Original), फिल्टर्ड (Filtered) (आउटलेयर्स हटाए गए), और ट्रांसफॉर्मड (Transformed) एन्सेमबल्स के लिए पॉजिटिव प्रेडिक्टिव वैल्यू (PPV) कर्व्स आम तौर पर सुसंगत पाए गए।
- अंतिम PPV मान क्रमशः 29% (ओरिजिनल), 35% (फिल्टर्ड), और 43% (ट्रांसफॉर्मड) थे।
- यह सुझाव देता है कि यदि अंतर्निहित सांख्यिकी पूरी तरह से समान नहीं भी है, तो भी एन्सेम्बल विधि मजबूत है।
मैग्निट्यूड एक्ससीडेंस: जैसे-जैसे छोटे भूकंपों की संख्या बढ़ती है (पिछले बड़े भूकंप से दूर जाते हुए), उच्च-परिमाण की घटना की संभावना तेजी से बढ़ती है, विशेष रूप से मेडियन (50%) और 25% एक्ससीडेंस स्तरों के लिए।
प्राकृतिक बनाम कैलेंडर समय विचलन:
- प्राकृतिक समय: जैसे-जैसे छोटे भूकंपों की गणना बढ़ती है, अगले बड़े भूकंप के लिए अपेक्षित शेष प्राकृतिक समय कम होता जाता है (सहज रूप से, सिस्टम "विफलता के करीब" है)।
- कैलेंडर समय: जैसे-जैसे पिछले इवेंट के बाद समय बीतता है, कैलेंडर वर्षों में अपेक्षित प्रतीक्षा समय बढ़ता है।
- व्याख्या: लेखक इसका श्रेय क्रस्टल स्टिफनिंग (Crustal Stiffening) को देते हैं। जैसे-जैसे समय बीतता है, छोटी दरारें बंद हो जाती हैं, जिससे क्रस्टल कठोरता बढ़ जाती है। यह विरूपण तंत्र (deformation mechanism) को अनस्टेबल स्टिक-स्लिप से स्टेबल स्लिप में बदल देता है, जिससे एक साधारण पॉइसन प्रक्रिया के सापेक्ष कैलेंडर समय में एक "असामान्य धीमापन" (anomalous slowing down) होता है।

5. महत्व (Significance)

ऑपरेशनल नाउकास्टिंग: यह शोध पत्र विशिष्ट शहरी केंद्रों के लिए भूकंपीय जोखिम के "नाउकास्टिंग" (वर्तमान स्थिति का आकलन) और अल्पकालिक पूर्वानुमान के लिए एक व्यावहारिक, डेटा-संचालित उपकरण प्रदान करता है, भले ही वहां ऐतिहासिक बड़े इवेंट का डेटा कम हो।
जोखिम प्रबंधन: भूकंपीय जोखिम के लिए मैग्निट्यूड और समय दोनों के एक्ससीडेंस प्रोबेबिलिटी को मात्रात्मक रूप से प्रदान करना, एक सूक्ष्म जोखिम प्रोफाइल प्रदान करता है जो आपातकालीन तैयारी और बुनियादी ढांचे की योजना में मदद कर सकता है।
भौतिक अंतर्दृष्टि: प्राकृतिक और कैलेंडर समय के पूर्वानुमानों के बीच का विचलन फॉल्ट ज़ोन के विकास (क्रस्टल स्ट्रेंथनिंग) की एक भौतिक व्याख्या प्रदान करता है, जो सांख्यिकीय भूकंप विज्ञान को भू-भौतिकीय तंत्रों से जोड़ता है।
पुनरुत्पादन क्षमता (Reproducibility): लेखक ओपन-सोर्स पायथन कोड प्रदान करते हैं और स्वतंत्र रूप से उपलब्ध USGS डेटा का उपयोग करते हैं, जिससे यह पद्धति अन्य क्षेत्रों के लिए विस्तार और पुनरुत्पादन के लिए सुलभ हो जाती है।

निष्कर्षतः, यह शोध पत्र स्थानीय भूकंप पूर्वानुमान के लिए "एन्सेम्बल-ऑफ-रीजन" दृष्टिकोण को मान्य करता है और निरंतरता सुनिश्चित करने के लिए एक कठोर सांख्यिकीय ट्रांसफॉर्म पेश करता है, जो भविष्य के बड़े भूकंपों की संभावना का अनुमान लगाने के लिए परिमाण, घटना गणना और कैलेंडर समय के संदर्भ में एक मजबूत ढांचा प्रदान करता है।