RETI URBANE IN TEMPO REALE PER OSSERVAZIONI SISMICHE, VALUTAZIONE RAPIDA DEL GRADO DI DANNEGGIAMENTO POST-TERREMOTO E MONITORAGGIO DELLO STATO DI SALUTE DELLE STRUTTURE

blog 10.03.2021

AUTHOR: Dott. Antonino D’Alessandro

TUTORS: Tutor accademico Prof. Pietro Crespi; Tutor aziendale: Dott. Antonino Pisciotta

INTERNSHIP: Istituto Nazionale di Geofisica e Vulcanologia

MASTER: Master in “Progettazione Sismica delle Strutture per Costruzioni Sostenibili” a.a 2019/20

L’elevato rischio sismico della penisola italiana è il risultato dell’elevata pericolosità sismica del territorio nazionale e della presenza di numerosi centri urbani caratterizzati da nuclei storici altamente vulnerabili al sisma. Sebbene ad oggi non siamo ancora in grado di prevedere il verificarsi di un terremoto in maniera deterministica, siamo certamente in grado, sulla base dello studio della sismicità storica e strumentale, degli studi geodetici e della geologia dei terremoti, di identificare aree a maggiore pericolosità sismica.

Negli ultimi decenni, la comunità scientifica è andata alla ricerca di nuove tecniche e approcci intelligenti per ridurre il rischio sismico investigando soluzioni a basso costo che possano essere implementate rapidamente. Tra gli strumenti proposti dalla comunità scientifica spicca sicuramente in termini di innovazione, basso costo ed efficacia, lo sviluppo degli Osservatori Sismici Urbani (OSU). Le OSU sono reti sismiche urbane, con trasmissione dati in tempo reale, in grado di registrare fedelmente le accelerazioni generate da forti terremoti. L’analisi in tempo reale delle forme d’onda registrate, permette di estrarre nell’immediato post-sisma informazioni molto utili nella gestione per gli interventi di soccorso della Protezione Civile, sintetizzate in mappe dei principali parametri di scuotimento o shake map a scala urbana. Lo scuotimento cosi misurato tiene conto non solo dell’energia rilasciata dal terremoto, ma anche di eventuali effetti di amplificazione del moto legati a particolari condizioni geologico-topografiche del sito. Nella prima parte del lavoro sarà introdotto il nuovo concetto di Rete Sismica. Le nuove tecnologie consentono un’installazione di dense retei sismiche a basso costo. Questa tecnologia consente di implementare reti sismica urbane e in edifici. Nella prima parte viene mostrato come l’integrazione della Rete Sismica Nazionale con queste nuove reti possa ridurre il rischio sismico. Di seguito viene presentata una review dell’impiego della sensoristica MEMS per applicazioni sismologiche, dimostrando come l’argomento trattato stia suscitando molto interesse nella comunità scientifica e in dettaglio nel settore scientifico dedicato al monitoraggio dei terremoti. Il numero di pubblicazioni negli ultimi anni è cresciuto in modo esponenziale. Per questo motivo si è ritenuto utile riunire in un unico documento tutte le pubblicazioni più importanti dal punto di vista sismologico, e creare una guida per il sismologo che si avvicina alla tecnologia MEMS. A seguire viene descritto in dettaglio il principio di funzionamento di questi sensori per comprenderne proprietà, difetti e limitazioni. Vengono riportate le applicazioni in campo sismologico e si conclude con le possibili future applicazioni con le nuove generazioni di sensori che il progresso tecnologico potrà fornirci in futuro. Viene successivamente presentato il prototipo della stazione accelerometrica ARES: hardware, software, valutazione del sensore scelto, test sui prototipi, eventuali aggiornamenti (compresi i confronti delle prestazioni) e sviluppi futuri vengono esaminati in dettaglio. Il capitolo “Reti Sismiche Urbane in Sicilia” descrive in dettaglio le prime reti di monitoraggio composte da stazioni accelerometriche ARES ed i risultati ottenuti dalle prime osservazioni di eventi sismici. Le città coinvolte in questa fase sperimentale sono S. Ninfa (punto 0, la prima installazione realizzata), Acireale, Catania, Ragusa, Messina e a breve si procederà con installazioni presso i Comuni di Camerino (progetto ARCH), Noto, Siracusa (progetto RAFAEL). L’ultima parte della tesi è dedicata all’implementazione della parte software, in particolare alle tecniche di Machine Learning che potrebbero essere impiegate per l’analisi delle forme d’onda dei terremoti. Ci si concentrerà su una rete neurale profonda per il rilevamento dei terremoti e il picking di fasi sismiche, mostra i principali risultati della sua applicazione a un database di oltre 1000 eventi sismici, con magnitudo compresa tra 2 e 5 e distanza epicentrale compresa tra 0 e 250 km. I risultati sono promettenti e aprono la strada all’implementazione di sistemi di allarme rapido per i terremoti.

 

FOR FOREIGN STUDENTS:

The high seismic risk of the Italian peninsula is the result of the high seismic hazard of the national territory and the presence of numerous urban centers characterized by historical nuclei highly vulnerable to the earthquake. Although to date we are not yet able to predict the occurrence of an earthquake in a deterministic manner, we are certainly able, based on the study of historical and instrumental seismicity, geodetic studies and earthquake geology, to identify areas with greater seismic hazard.

In recent decades, the scientific community has been searching for new techniques and smart approaches for reducing seismic risk, looking for low-cost solutions that can be implemented quickly. Among the instruments proposed by the scientific community, development of the surely stand out in terms of innovation, low cost and effectiveness Osservatori Sismici Urbani (OSU). The OSUs are urban seismic networks, with real-time data transmission, able to faithfully record the accelerations generated by strong earthquakes. The real-time analysis of the recorded waveforms, allows to extract in the immediate post-earthquake very useful information in the management for the rescue interventions of the Civil Protection, synthesized in maps of the main shaking parameters or shake map on an urban scale. This measured shaking takes into account not only the energy released by the earthquake, but also any effects of amplification of motion linked to particular geological-topographical site conditions. In the first part of the work I introduce the new concept of Seismic Network. New technologies allow for a dense installation in the country at low cost. This technology allows the implement Urban Seismic and Building Seismic Network. In this first part it is shown how the integration of the National Seismic Network with these new networks can reduce the seismic risk. Following, a review of the employment of capacitive MEMS in Seismology is presented, showing as the topic treated is arousing much interest in the scientific community and in detail in the scientific sector dedicated to seismology. The number of publications in recent years has grown exponentially until it settles at a high limit value. For this reason, it was considered useful to combine all the most important works from the seismological point of view in a single document, and to create a guide for the seismologist who approaches MEMS technology. Following, the operating principle of these sensors is described in detail in order to understand their properties, defects and limitations. The applications in the seismological field are reported and concludes with the possible future applications with the new generations of sensors that technological progress will be able to provide us in the future. The ARES MEMS accelerometer station prototype is introduced; hardware, software, evaluation of the chosen sensor, prototype tests, any upgrades (including performance comparisons), and future developments are examined in detail. The chapter “Urban Seismic Networks in Sicily” shows in detail the first monitoring networks composed of ARES accelerometric stations and the results obtained from the first observations of events. The cities involved in this experimental phase are, S. Ninfa (point 0, the first installation carried out), Acireale, Catania, Ragusa, Messina and will soon expand as these installations have been requested by the municipalities of Camerino (ARCH project), Noto, Syracuse (RAFAEL project). The last part of thesis is devoted to the software implementation, in particular the Machine Learning technique that could be employed for earthquake waveforms analysis. We focus on a deep neural networks for Earthquakes detection and Seismic phase Picking” showing the main results of its application to a database of more than 1000 seismic event, with magnitude between 2 and 5 and epicentral distance between 0 and 250 km. The results are promising and open the way towards the implementation of Earthquake Early Warning Systems.

 

Lascia una risposta

L'indirizzo email non verrà pubblicato. I campi obbligatori sono contrassegnati *

È possibile utilizzare questi tag ed attributi XHTML: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>