GNGTS 2017 - 36° Convegno Nazionale

354 GNGTS 2017 S essione 2.2 Conclusions. Our methodology allows to find groups of curves which are spatially homogeneous, overcming some limitations arising with more traditional techniques based on cross correlations. In this robust approach waveforms are clustered after a registration, by mean of which shape and phase variations are accommodated using derivatives and elastic distances. We adopt clustering tecniques based on modified band depth for warped curves, that retain shape and other features of the data, in order to identify similarity of waveforms. We show how these methodologies can be joined together to carry out classification of spatially correlated curves, as the produces clusters are also well identified in the space, preseving their natural structure. Acknowledgements This work is supported by National grant MIUR, PRIN-2015 program, Prot.20157PRZC4: Complex space-time modeling and functional analysis for probabilistic forecast of seismic events. References Adelfio G. Chiodi M., D’Alessandro A., Luzio D., D’Anna G., Mangano G. (2012) Simultaneous seismic wave clus- tering and registration. Computers & Geosciences, 44, 60–69. Barani G. Ferretti M. Massa D. Spallarossa (2007) The waveform similarity approach to identify dependent events in instrumental seismic catalogues. G eophysical Journal International , Volume 168, Issue 1, 100–108. Giraldo, Delicado, Mateu (2010) Hierarchical clustering of spatially correlated functional data. Statistica Neerlandica 66(4) , 403-421. López-Pintado S., Juan R. (2009) On the Concept of Depth for Functional Data. Journal of the American Statistical Association, Vol. 104, No. 486 , 718-734. Luzi L., Puglia R., Russo E., D’Amico M., Felicetta C., Pacor F...Duni L. (2016) Thee Engineering Strong Motion Database: A platform to access Pan-European Accelerometric Data. Seismological Research Letters. Ramsay J.O., Silverman B.W.(2005) Functional data Analysis. Springer Series in Statistics. Tucker J. D., Wei W. , Srivastava A. (2013) Generative models for functional data using phase and amplitude separation. Computational Statistics and Data Analysis 61, 50–66. Procedura di selezione di 7 accelerogrammi spettro-compatibili per la microzonazione sismica di livello III di 138 Comuni in Italia centrale C. Felicetta, L. Luzi, F. Pacor, R. Puglia, G. Lanzano, M. D’Amico Istituto Nazionale di Geofisica e Vulcanologia - Sezione di Milano Introduzione. Dall’agosto 2016 l’Appennino centrale italiano è stato interessato da una sequenza sismica caratterizzata da 9 terremoti di magnitudo momento superiore a 5.0. La scossa più forte si è verificata il 30 ottobre 2016 (6:40:18, Mw 6.5) nell’area di Norcia, dove sono stati registrati picchi di accelerazione del moto del suolo superiori a 300 Gal. Il Commissario Straordinario del Governo per la ricostruzione nei territori interessati dalla sequenza sismica ha promosso la realizzazione di studi di microzonazione sismica di livello III per i 138 Comuni con un danneggiamento significativo (Ord. n. 24 del 12 maggio 2017). Lamicrozonazionesismicadi III livelloprevedechevenganoeffettuatesimulazioni numeriche mono e bidimensionali, assumendo come moto di input un insieme di 7 accelerogrammi reali, rappresentativi dello spettro di progetto delle Norme Tecniche per le Costruzioni (CS.LL.PP . 2008, di seguito denominate NTC08), che, a loro volta, si basano sulla mappa di pericolosità sismica a scala nazionale (OPCM 3519 del 28/04/2006; Montaldo et al. , 2007). REXELite. Per la selezione degli accelerogrammi da utilizzare come input è stato utilizzato il codice REXELite (Iervolino et al. , 2011), sviluppato in collaborazione tra INGV, Politecnico