GNGTS 2019 - Atti del 38° Convegno Nazionale

496 GNGTS 2019 S essione 2.2 di punti, senza l’utilizzo di una procedura di condensazione intermedia ai valori medi per classe di intensità. Nel presente lavoro si è fatto ricorso al primo metodo, in accordo con quanto svolto in altri recenti lavori (Faenza and Michelini 2010): tale scelta è stata avvalorata da precedenti controlli statistici svolti sulla normalità delle distribuzioni di probabilità dei valori di PGM estratte per le varie classi di intensità, che hanno evidenziato un buon accordo sul piano della adeguatezza del campione di dati a disposizione, tramite l’utilizzo del test di normalità di Kolmogorov-Smirnov. Si è quindi proceduto con le regressioni ortogonali utilizzando il procedimento descritto in Boggs et al. 1998 ottenendo le correlazioni cercate tra i valori di intensità ( I EMS 98 ) e i logaritmi base 10 dei valori di PGM. La forma delle leggi di correlazione ricavate è quindi del seguente tipo: I EMS 98 = a + b × logPGM (1) con valori dei coefficienti a , b e valori di deviazione standard s dei parametri e totali riportati per ciascun tipo di parametro di sintesi del moto sismico nella seguente Tabella 1. Il range di applicabilità delle presenti leggi di correlazione è quello determinato dal dataset utilizzato, con valori di intensità I EMS98 compresi tra 2.5 e 8. Le leggi di correlazione utilizzate, essendo state ricavate mediante utilizzo di procedura di regressione ortogonale, sono chiaramente invertibili e pertanto possono essere utilizzate sia come GMICE che come IGMCE. Le successive Figure 2 e 3 illustrano i risultati della comparazione tra le formulazioni Fig. 1 - Distribuzione dei dati costituenti il dataset assemblato, in funzione della distanza sito-stazione, dell’intensità macrosismica EMS-98 attribuita e del logaritmo del parametro di sintesi del moto sismico: PGA (a), PGV (b), PGD (c), Intensità di Arias (d) e Intensità di Housner (e). In nero i punti scartati del processo di regressione ortogonale.