Development of Earthquake Early Warning (EEW) System: Empirical relationship using data from Japan

Technische Samenvatting: Ontwikkeling van een Earthquake Early Warning (EEW) systeem: Empirische relatie gebruikmakend van data uit Japan

Probleemstelling
Earthquake Early Warning (EEW) systemen zijn cruciaal voor het beperken van de destructieve impact van seismische gebeurtenissen door waarschuwingen te geven voordat schadelijke S-golven arriveren. Hoewel systemen in Japan en Taiwan efficiëntie hebben aangetoond, blijft een aanzienlijke uitdaging liggen in de snelle en nauwkeurige schatting van de aardbevingsmagnitude met behulp van enkel de initiële fasen van de P-golf-aankomst. Huidige methodologieën vertrouwen vaak op enkelvoudige of dubbele parameters (zoals piekverplaatsing, $P_d$, of karakteristieke tijd, $\tau_c$), die kunnen lijden onder verzadiging bij hogere magnitudes ($M_w > 7.0$) of een hoge gevoeligheid voor de signaal-ruisverhouding (SNR). Deze studie adresseert de noodzaak om een multi-parameter benadering te evalueren om de robuustheid, betrouwbaarheid en tijdigheid van magnitudeschatting voor EEW-systemen te verbeteren.

Methodologie
De studie maakt gebruik van een uitgebreide dataset bestaande uit 143 aardbevingsevenementen die tussen 2010 en 2024 zijn geregistreerd door het National Research Institute for Earth Science and Disaster Prevention (NIED) K-NET netwerk in Japan. De dataset bevat momentmagnitudes ($M_w$) variërend van 5.0 tot 7.7, met hypocentrale afstanden tot 110 km en focale dieptes tot 60 km, wat in totaal 4.446 waveforms oplevert.

De methodologie omvat het extraheren van grondbewegingsparameters uit de initiële P-golf aankomsten met behulp van driekomponent-waveforms. De geanalyseerde parameters zijn onder meer:

• Piekwaarden: Piekversnelling ($P_a$), snelheid ($P_v$) en verplaatsing ($P_d$).
• Grondbewegingsindices: Peak Ground Acceleration (PGA), Velocity (PGV) en Displacement (PGD).
• Cumulatieve en frequentiegebaseerde parameters: Cumulative Absolute Absement (CAA), Cumulative Absolute Velocity (CAV), karakteristieke tijdperiode ($\tau_c$) en Root Sum of Squares Cumulative Velocity (RSSCV).

Deze parameters werden berekend voor tijdvensters van 3, 4 en 5 seconden volgend op de P-golf aankomst. Een vierde-orde Butterworth banddoorlaatfilter (0,075 Hz low-cut) werd toegepast om ruis en drift te verwijderen. Lineaire regressieanalyses werden uitgevoerd om empirische relaties tussen deze parameters en zowel magnitude ($M$) als afstand ($R$) vast te stellen, volgens de formulering: $\log(P) = a \cdot \log(R) + b \cdot M + c$. De Standard Deviation Error (SDE) van de regressie werd berekend om het meest betrouwbare tijdvenster en de meest betrouwbare parameters voor magnitudavoorspelling te bepalen.

Belangrijkste Resultaten

1. Optimalisatie van het Tijdvenster: De analyse geeft aan dat het 5-seconden tijdvenster consistent de laagste spreiding en de meest stabiele correlaties oplevert voor alle parameters in vergelijking met 3-seconden en 4-seconden vensters.
2. Parametercorrelaties:
   • Sterke lineaire correlaties (nabij 1:1) werden waargenomen tussen PGA en $P_a$, PGV en $P_v$, en PGD en $P_d$, specifiek in het 5-seconden venster.
   • Superioriteit van CAA en RSSCV: De studie stelde vast dat Cumulative Absolute Absement (CAA) en RSSCV de sterkste relaties met magnitude vertonen. CAA vertoonde de laagste Standard Deviation Error (SDE) van 0,356 in de regressie tegen magnitude voor het 5-seconden venster.
   • Verzadigingsgedrag: Traditionele amplitude-gebaseerde parameters ($P_a, P_v, P_d$) en CAV vertoonden tekenen van verzadiging bij magnitudes groter dan 7.3, wat kan leiden tot onderschatting. In tegenstelling hiertoe behielden CAA en RSSCV lineaire trends zonder significante verzadiging, zelfs bij hogere magnitudes.
   • Beperkingen van $\tau_c$: Hoewel $\tau_c$ niet verzadigde, vertoonde het een hoge gevoeligheid voor SNR en significante dataspreiding, wat resulteerde in voorspelde magnitudes met SDE-waarden die onvoldoende zijn voor betrouwbare vroege waarschuwing.
3. Empirische Vergelijkingen: De studie heeft specifieke regressievergelijkingen afgeleid voor het 5-seconden interval die $P_a, P_v, P_d, CAA, CAV, \tau_c,$ en $RSSCV$ relateren aan magnitude en afstand. De relatie voor CAA wordt bijvoorbeeld gegeven als: $\log_{10}(CAA_5) = -1.408 \log_{10}(R) + 0.602 M - 0.092$.

Betekenis en Claims
Het artikel claimt dat een multi-parameter benadering, specif gezien het integreren van CAA en RSSCV naast traditionele metrieken, een robuustere basis biedt voor EEW-systemen dan enkelvoudige parameter-methoden. De auteurs stellen dat:

• CAA een superieure magnitude-indicator is: Het biedt een stabielere en betrouwbaardere schatting van de aardbevingsmagnitude (SDE van 0,48 voor CAA versus 0,53 voor $P_d$) en legt het totale grondbewegingsveld uitgebreider vast dan enkel de verticale component van de verplaatsing.
• RSSCV onderschatting voorkomt: Als een cumulatieve energie-afhankelijke parameter vermijdt RSSCV de verzadigingsproblemen die gebruikelijk zijn bij amplitude-gebaseerde parameters, waardoor het effectief is voor het schatten van de omvang van grote aardbevingen ($M > 6.0$).
• 5-Seconden Venster is Optimaal: De studie concludeert dat een interval van 5 seconden na de P-golf aankomst het meest geschikte tijdsbestek is voor het extraheren van deze parameters om een balans te vinden tussen voorspellingsnauwkeurigheid en de tijd tot de waarschuwing (warning lead time).

De auteurs benadrukken dat deze bevindingen de basis leggen voor real-time magnitudovoorspelling met behulp van meerdere aardbevingsparameters uit de initiële P-golf fasen, wat potentieel valse alarmen kan verminderen en de nauwkeurigheid van EEW-waarschuwingen kan verbeteren. Zij suggereren dat toekomstig werk deze parameters verder kan integreren en machine learning-benaderingen kan verkennen om de systeemnauwkeurigheid te vergroten.