GNGTS 2016 - Atti del 35° Convegno Nazionale

392 GNGTS 2016 S essione 2.2 grafico in Fig. 1Bmostra la percentuale di varianza del dataset originale spiegata da ciascuna PC. In particolare, la prima Componente Principale spiega quasi il 60% della varianza complessiva ed è rappresentata da una curva HVSR “apparente” (PC -1, Fig. 1A) caratterizzata da un evidente picco principale a circa 1 Hz. La seconda PC, che spiega circa il 20% della varianza complessiva, è rappresentata da due curve “apparenti”, PC 2 e PC -2 (Fig. 1A), caratterizzate rispettivamente da un picco a circa 1 Hz e 2 Hz. Per quanto riguarda le rimanenti Componenti Principali, esse sono rappresentate da HVSR “apparenti” con almeno due picchi, alcuni dei quali presenti nell’intervallo 0.25-0.5 Hz. I raggruppamenti delle curve sperimentali caratterizzate dallo stesso andamento “apparente” dominante hanno permesso di identificare 10 classi principali (Fig. 2), dove la classe PC -1 rappresenta quella più numerosa (57 curve su 100). Inoltre, sulla base del punto 2 riguardante i criteri di raggruppamento, sono state identificate le curve piatte, le quali costituiscono un ulteriore raggruppamento di 5 curve sperimentali. Per quanto concerne la successiva sub-classificazione di ampiezza, sulla base dei valori dei “loadings” delle curve sperimentali appartenenti alla classe principale PC -1, è stato ritenuto appropriato stabilire tre sottoclassi (A, B e C, Fig. 2); le corrispondenti soglie dei valori dei “loadings” scelte sono mostrate in Fig. 2 e sono state conservate anche per le altri classi principali in modo da avere una sub-classificazione omogenea. La mappa in Fig. 2 mostra la distribuzione spaziale delle classi principali e delle loro corrispettive sottoclassi, indicate rispettivamente dal colore e dalla grandezza dei punti: osservando il posizionamento delle sottoclassi PC -1, è possibile notare che le misure della sottoclasse A (caratterizzate essenzialmente da picchi di bassa ampiezza, Fig. 3) sono principalmente situati sui sedimenti Pleistocenici, mentre le misure delle sottoclassi B e C (caratterizzate da picchi di ampiezza notevolmente più elevata, Fig. 3) sono localizzati sui sedimenti alluvionali Olocenici, dove sono attesi i più rilevanti effetti di risonanza. La stessa caratteristica riguarda anche le misure della classe PC 2: le misure delle sottoclassi B e C (con picchi più elevati, Fig. 3) sono principalmente situate sui depositi alluvionali, mentre la sottoclasse A (con massimi meno evidenti, Fig. 3) è localizzata sui sedimenti Miocenici nella parte SW dell’area. Gli stessi depositi sono caratterizzati dalla presenza della classe PC 3 (sottoclasse C), mentre le misure piatte si trovano essenzialmente sui materiali rocciosi Giurassico-Cretacei e sui depositi Pliocenici, dove non sono attesi effetti di risonanza significativi. Nel secondo caso studio, la PCAè stata applicata su un data set costituito da 85 misure HVSR realizzate nel Comune di Montecatini Terme. In questo caso la prima Componente Principale dominante spiega circa il 50% della varianza complessiva ed è rappresentata da una curva HVSR “apparente” con un massimo a circa 2 Hz. I criteri di raggruppamento hanno permesso di identificare 9 classi principali e 3 sottoclassi si ampiezza. Osservando la loro distribuzione spaziale, è possibile notare che la zona rocciosa a N dell’abitato è caratterizzata dalla presenza delle misure della classe PC -2 (contraddistinte da picchi a circa 10 Hz) e da curve piatte, mentre la pianura alluvionale è caratterizzata dalla presenza delle curve con i picchi di ampiezza più elevata (nell’intervallo 0.5-3 Hz) appartenenti alle sottoclassi B e C delle classi PC 1, PC 2 e PC -3. Il terzo caso studio riguarda la zona danneggiata dalla sequenza sismica del 2012 in Emilia Romagna, dove la PCA è stata applicata sulle circa 200 misure H/V realizzate durante la fase di emergenza post-terremoto e nell’ambito del progetto di Microzonazione Sismica (Paolucci et al. , 2015). In questo caso, la prima PC dominante spiega circa l’80% della varianza complessiva ed è rappresentata da una curva HVSR “apparente” con un massimo principale a circa 0.9 Hz ed un massimo secondario a 0.25 Hz. Osservando la distribuzione spaziale delle classi principali, è possibile notare che la classe PC 1 copre quasi tutta l’area di studio: alla luce di ciò, è possibile affermare che quasi tutte le curve sperimentali presentano un’elevata similarità con il pattern definito dall’ H/V “apparente” di tale classe. Conclusioni. Le tre applicazioni sopra descritte dimostrano che la PCA è in grado di raggruppare insieme curve HVSR simili anche identificando gli andamenti principali (le curve