GNGTS 2022 - Atti del 40° Convegno Nazionale

GNGTS 2022 Sessione 3.3 501 Seguendo Hallo et al. (2022), la funzione di trasferimento predittiva superficie-profondità viene valutata utilizzando un modello stocastico (SM). Il SMmette in relazione lo scuotimento del suolo in profondità ed alla superficie utilizzando una coppia di curve spettrali. L’SM è costruito con una procedura in tre fasi: 1) Deriviamo un insieme di mezzi stratificati 1D considerando i possibili effetti di variazione delle proprietà geo-meccaniche sui movimenti del suolo. 2) I mezzi 1D sono usati per il calcolo di un insieme di funzioni di trasferimento dell’onda SH superficie-profondità nel dominio di Fourier. 3) Determiniamo lo spettro medio e le deviazioni standard dall’insieme delle funzioni di trasferimento. L’SM è privo di picchi di risonanza ad alta frequenza non realistici, assomiglia a una risposta empirica del sito osservata ai siti con array di monitoraggio verticale ed è adatto per previsioni di forme d’onda. Applicazione al terremoto M w 5.6 di Osaka settentrionale del 2018. Il terremoto del nord di Osaka M w 5.6 del 2018 si è verificato il 18 giugno 2018 presso la città di Takatsuki (Osaka, Giappone). Questo terremoto ha causato danni e vittime. È stato causato da movimenti su faglie crostali trascorrenti e inverse (Kato e Ueda 2019, Hallo et al., 2019). A questo terremoto, applichiamo il metodo qui illustrato per prevedere le forme d’onda in profondità a partire da registrazioni dei terremoti osservate sulla superficie del suolo. In particolare, le registrazioni della rete accelerometrica KiK-net (Aoi et al., 2011, NIED 2019). Le forme d’onda previste vengono confrontate con la componente orizzontale trasversale del movimento del suolo Fig. 1 - Il terremoto di Osaka del 2018: previsione dello scuotimento in profondità nel sito HYGH04. (a) Componente trasversale del moto orizzontale del suolo osservato in superficie. (b) Movimento orizzontale del suolo osservato (nero) e previsto (rosso) nel pozzo a 100 m di profondità.

RkJQdWJsaXNoZXIy MjQ4NzI=