GNGTS 2016 - Atti del 35° Convegno Nazionale

598 GNGTS 2016 S essione 3.3 Acknowledgements. We would like to thank Gilda Currenti of INGV Catania for her help with TOUGH2-ECO2N software. Special thanks also to Flavio Accaino and Gualtiero Bohm for their precious help and patience while tea- ching me seismic unix and cat3d software packages. References Accaino, F., Böhm, G., Tinivella, U., 2005, Tomographic inversion of common image gathers, First Break, 23, 39- 44. Carcione, J.M., 2015, Wave fields in real media. Theory and numerical simulation of wave propagation in anisotropic, anelastic, porous and electromagnetic media, 3rd edition, Elsevier. Carcione, J.M., D. Gei, S. Picotti, A. Michelini, 2012, Cross-hole electromagnetic and seismic modeling for CO2 detection and monitoring in a saline aquifer, Journal of Petroleum Science and Engineering, 100, 162-172. Hashin, Z., Shtrickman, S., 1963. Avariational approach to the theory of the elastic behaviour of multiphase materials. J. Mech. Phys. Solids 11, 127-140. Picotti, S., Carcione, J.M., Rubino, G., Santos, J.E., Cavallini, F., 2010. A viscoelastic representation of wave attenua- tion in porous media. Comput. Geosci. 36, 44–53. Van Genuchten, M. Th., 1980, A closed-form equation for predicting the hydraulic conductivity of unsaturated soils, Soil Sciences Society American Journal, 44, 892-898. White, M.D., V.L. Freedman, 2007, Stomp Software Configuration Management Plan, PNNL-SA-54023, Pacific Nor- thwest National Laboratory, Richland, WA. Analisi delle componenti indipendenti a dati massivi: applicazione ai Campi Flegrei (Italia) E. De Lauro 1 , S. DeMartino 1 , M. Falanga 1 , S. Petrosino 2 1 Dipartimento di Ingegneria dell’Informazione ed Elettrica e Matematica Applicata, Università di Salerno, Fisciano (SA) 2 Istituto Nazionale di Geofisica e Vulcanologia, Sezione Osservatorio Vesuviano, Napoli Una delle sfide di grande interesse in sismologia vulcanica è inferire informazioni sulla sorgente sismica determinando, ad esempio, la geometria, la dinamica e l’evoluzione di sistemi vulcanici al fine di comprenderne comportamenti eruttivi e determinare parametri di rischio. Le informazioni relative alla sorgente sono dedotte da serie temporali spesso degradate dalla presenza di sorgenti concomitanti e/o spesso corrotte da alti livelli di rumore di fondo. Inoltre, il monitoraggio dell’attività di un vulcano richiede l’acquisizione di dati in continuo. Dati massivi in cui agiscono differenti sorgenti concomitanti rendono difficili le pratiche di osservatorio. Da qui la necessità di migliorare le procedure di early warning. In questo lavoro si propone un nuovo approccio statistico per analizzare segnali sismici su una scala temporale oraria allo scopo di ottenere una pronta identificazione di segnali direttamente connessi con la sorgente (De Lauro et al ., 2012; Capuano, 2016b). È introdotta una variabile coarse grained (FPSDMA) che rappresenta la frequenza associata all’ampiezza massima dello spettro in potenza dei segnali sorgente (Capuano et al. , 2016a) ottenuti attraverso l’analisi delle componenti indipendenti per serie convolute CICA (Hyvariren et al. , 2001; Ciaramella et al ., 2011). Si tratta di una tecnica che utilizza statistiche al quart’ordine per estrarre da serie temporali i segnali base statisticamente indipendenti (sorgenti indipendenti). Nella Fig. 1, viene riportato uno sketch del funzionamento della tecnica nel caso di una mistura di due sorgenti impulsive. Si considerano due registrazioni contemporanee (X1(t) e X2(t)) a due distinte stazioni e si applica la trasformata di Fourier sui segnali finestrati, considerando un intervallo di tempo finito. Si ottengono gli spettrogrammi dei segnali di input Xi(f,t) seguendo l’evoluzione temporale dell’ampiezza associata ad una determinata frequenza alle due stazioni. Si applica la ICA standard ottenendo le componenti indipendenti a quella frequenza. Considerando tutte le frequenze è possibile ricostruire gli spettrogrammi separati e