GNGTS 2016 - Atti del 35° Convegno Nazionale

390 GNGTS 2016 S essione 2.2 rispettiva curva sperimentale sarà l’opposto di quella calcolata. Le misure HVSR aventi la stessa PC dominante sono raggruppate in classi principali; 2. identificazione delle curve piatte (assenza di risonanza). In questo caso il massimo valore del prodotto sopra menzionato è inferiore ad una certa soglia; 3. identificazione delle variazioni di ampiezza dei picchi HVSR all’interno delle classi principali. In particolare, i valori dei “loadings” permettono di individuare delle sottoclassi caratterizzate da picchi di ampiezza simile. I valori di soglia che definiscono tali sottoclassi sono identificati sulla base della distribuzione numerica dei valori e km . Casi studio. L’approccio sopra descritto è stato applicato e verificato in tre differenti aree: il Comune di Collesalvetti (provincia di Livorno), il Comune di Montecatini Terme (provincia di Pistoia) e l’area danneggiata dalla sequenza sismica del 2012 in Emilia Romagna. Nel primo caso, la PCA è stata applicata su un data set costituito da 100 misure HVSR. La Fig. 1Amostra le curve HVSR “apparenti” identificate dall’algoritmo che, in questo caso, sono la prima, la seconda, la terza, la quarta, la sesta e l’ottava. Le relative curve sono rappresentate in blu, mentre le curve rosse rappresentano i loro andamenti opposti e sono associate alle curve HVSR sperimentali dove il valore di e km che definisce la PC dominante ha segno negativo. Il Fig. 2 – La mappa mostra la distribuzione spaziale delle classi principali e delle loro corrispettive sottoclassi (indicate rispettivamente dai colori e dalla grandezza dei punti) in rapporto alle unità geologiche affioranti. Sono mostrate inoltre le soglie dei valori dei “loadings” usate per realizzare la sub-classificazione di ampiezza.