Ground motions caused by earthquakes may be strong enough to cause destruction of infrastructure and possibly casualties. If such past destructive earthquakes are analysed, the gained information could be used to develop earthquake warning systems that predicts and possibly reduce the damage potential of further earthquakes. The Swedish National Seismic Network (SNSN) runs an automated early warning system that attempts to predict the damage of an earthquake that just got recorded, and forward the predictions to relevant government agencies. The predictions are based on, e.g. earthquake magnitude, source depth and an estimate of the size of affected human population. The purpose of this thesis is to introduce an additional parameter: earthquake intensity, which is a measure of the intensity with which the ground shakes. Based on this, a new earthquake hazard scheme, the Intensity Based Earthquake Classification (IBEC) scheme, is created. This scheme suggests alternate methods, relative to SNSN, of how earthquake classifications can be made. These methods will use an intensity database established by modelling scenario earthquakes in the open-source software ShakeMap by the U.S. Geological Survey. The database consists of scenarios on the intervals: 4.0 ≤ Mw ≤ 9.0 and 10 ≤ depth ≤ 150 kilometre, and covers the whole intensity scale, Modified Mercalli Intensity, 1.0 ≤ Imm ≤ 10.0. The IBEC classification scheme also enabled the creation of the 'Population-to-Area' criterion. It improves prediction of earthquakes that struck isolated cities, located in e.g. valleys in large mountainous areas and deserts. Even though such earthquakes are relatively uncommon, once they occur, they may cause great damage as many cities in such regions around the world often are less developed regarding resistance to ground motions. / Markrörelser orsakade av jordbävningar kan va starka nog att skada vår infrastruktur och orsaka dödsoffer. Genom att analysera forna destruktiva jordbävningar och utveckla program som försöker att förutsäga deras inverkan så kan den potentiella skada minskas. Svenska Nationella Seismiska Nätet (SNSN) driver ett automatiserat tidigt varningssystem som försöker förutsäga skadorna som följer en jordbävning som precis spelats in, och vidarebefodra denna information till relevanta myndigheter. Förutsägelserna är baserade på, t.ex. jordbävnings-magnitud och djup samt uppskattning av mänsklig population i det påverkade området. Syftet med denna avhandlingen är att introducera ytterligare en parameter: jordbävnings-intensitet, som är ett mått av intensiteten i markrörelserna. Baserat på detta skapas ett jordbävnings-schema kallat Intensity Based Earthquake Classification (IBEC). Detta schema föreslår alternativa metoder, relativt SNSN, för hur jordbävnings-klassificering kan göras. Dessa metoder använder sig av en intensitets-databas etablerad genom modellering av jordbävning-scenarios i open source-\linebreak programmet ShakeMap, skapat av U.S. Geological Survey. Databasen består av scenarior över intervallen 4.0 ≤ Mw ≤ 9.0 och 10 ≤ djup ≤ 150 kilometer, vilka täcker hela intensitetsskalan, Modified Mercalli Intensity, 1.0 ≤ Imm ≤ 10.0. IBECs klassificeringsschema har även möjliggjort skapandet av "Population-mot-Area"-kriteriet. Detta förbättrar förutsägelsen av jordbävningar som träffar isolerade städer, placerade i t.ex. dalgångar i stora bergskjedjor och öknar. Även om denna typ av jordbävningar är relativt ovanliga så orsakar dom ofta enorm skada då sådana här städer ofta är mindre utvecklade rörande byggnaders motstånd mot markrörelser.

A traumatic brain injury is usually caused by a direct impact to the head and is a common cause of disability and death all around the world. The most effective method to predict brain injury today, is to use a finite element head model. In this investigation, the three injury predictors strain, strain rate, and the product of strain and strain rate were investigated using a rat brain finite element model. The main goal was to find which injury predictor most effectively would predict injury. To find the injury predictor with the highest area under curve value, comparisons between experimental results obtained from simulations and results from previously performed experiments on rats were made. To better understand how different factors can affect the severity of symptoms from a traumatic brain injury, a parametric study with a focus on rotational direction and rotational duration was conducted. Simulations were run on a rat brain finite element model for three rotational directions and three rotational durations.  The statistical analysis was completed for six experiments and nine brain regions. The three injury predictors were extracted from 26 simulations completed on a rat brain finite element model, and the maximum values of the 95th percentile for each brain region were extracted. The results showed that the product of the strain and the strain rate was the most effective injury predictor for four out of six experiments (unconscious time, EPM arm change, EPM open duration, and MWM session 3). The parametric study investigated rotation in the axial, coronal, and sagittal plane against the three rotational durations 1.5 ms, 3 ms, and 6 ms. The parametric study revealed that both the direction and duration of rotation importantly influence the extent of damage in traumatic brain injuries. The results showed that rotation in the axial plane and a 3 ms duration caused the most brain damage. It was also concluded that the results need to undergo additional verification to further define the relationships between the rotational direction, the rotational duration, and the injury predictors. / En traumatisk hjärnskada orsakas vanligtvis av våld mot huvudet och är en vanlig orsak till både funktionsnedsättningar och dödsfall världen över. Den effektivastemetoden för att kunna förutsäga en hjärnskada idag är att använda en finit elementmetodmodell av en hjärna.  I denna undersökning har de tre skadeprediktorerna belastning, belastningshastighet och produkten av belastningen och belastningshastigheten undersöktes med hjälp av simuleringar genomförda på en modell av en råtthjärna, byggd med hjälp av finita elementmetoden. Målet var att ta reda på vilken skadeprediktor som mest effektivt kunde förutsäga hjärnskada. För att hitta skadeprediktorn med högst area under curve-värde gjordes jämförelser mellan experimentella resultat från simuleringar mot resultat från tidigare utförda experiment på råttor. För att få en djupare förståelse för vilka parametrar som kan påverka graden av symptom från en traumatisk hjärnskada genomfördes en parametrisk studie med fokus på rotationsriktning och rotationstid. Nya simuleringar genomfördes på en finit elementmodell av en råtthjärna i tre rotationsriktningar och under tre rotationstider.  Den statistiska analysen utfördes på sex experiment och för nio regioner i hjärnan. Belastningen, belastningshastigheten samt produkten av belastningen och belastningshastigheten extraherades från 26 simulerade finita element råtthjärnor och maximumvärdet från den 95.e percentilen sparades. Resultatet av den statistiska analysen visade att produkten av belastningen och belastningshastigheten var den skadeprediktorn med bäst skadeförutsägelse för fyra av sex experiment(medvetslös tid, EPM arm förflyttning, EPM varaktighet i öppet utrymme och MWM session 3). Under den parametriska studien undersöktes axial, koronal och sagittal rotationsriktning mot de tre rotationstiderna 1.5 ms, 3 ms och 6 ms. Resultatet av den parametriska studien visade att både rotationsriktning och rotationstid spelar viktiga roller när det kommer till omfattningen av symptom som kan uppstå vid en traumatisk hjärnskada. För de undersökta delarna av hjärnan var den rotationsriktning som orsakade störst skada rotation i det axiala planet och den rotationstid som orsakade mest skada var vid 3 ms. Slutsatsen att resultatet bör genomgå ytterligare verifiering drogs. Detta för att ytterligare definiera sambanden mellan rotationsriktning, rotationstid och skadeprediktorerna.