Modello di moto del suolo basato su XGBoost per spettri di risposta in accelerazione anelastica a resistenza costante

Perché lo scuotimento è importante per gli edifici reali

I terremoti raramente lasciano gli edifici perfettamente elastici; i muri si incrinano, le travi cedono e le strutture si deformano più di quanto suggeriscano i disegni di progetto. Eppure la maggior parte degli strumenti utilizzati dagli ingegneri per stimare lo scuotimento assume ancora che gli edifici rimangano elastici. Questo studio introduce un metodo basato sui dati per predire quanto tenderanno a scuotersi realmente edifici lievemente danneggiati nei terremoti futuri, contribuendo a migliorare progettazione sismica, verifiche di sicurezza e stime del rischio per le città.

Da semplici grafici di scuotimento al comportamento reale

Tradizionalmente, gli ingegneri sismici si affidano a modelli di moto del suolo che trasformano informazioni di base su un terremoto e il sito in misure di scuotimento come l’accelerazione di picco. Questi modelli alimentano gli spettri di risposta, curve che mostrano quanto un edificio perfettamente elastico oscillerà a diversi periodi naturali di vibrazione. Tuttavia, sotto terremoti da moderati a forti, la maggior parte degli edifici supera questo intervallo elastico. Le loro risposte reali possono differire nettamente dalle previsioni elastiche, rendendo difficile valutare i danni, pianificare interventi di adeguamento o definire regole di progettazione realistiche usando soltanto spettri elastici.

Un quadro più ricco dello scuotimento per edifici plasticizzanti

Per colmare questa lacuna, gli autori si concentrano sugli spettri di risposta in accelerazione anelastica, che descrivono quanta accelerazione sperimenterà effettivamente un edificio con resistenza limitata quando entra in snervamento. Si focalizzano su una versione denominata accelerazione spettrale anelastica a resistenza costante, che fissa un fattore di riduzione della resistenza per rappresentare quanto la struttura può deformarsi in maniera anelastica. Utilizzando oltre quindicimila registrazioni di moto del suolo provenienti da 171 terremoti in un ampio database internazionale, simulano la risposta di numerose strutture idealizzate a un grado di libertà che imitano il comportamento del calcestruzzo armato. Questi edifici virtuali coprono un’ampia gamma di periodi di vibrazione, tipi di sito, distanze dalla faglia, magnitudo e livelli di resistenza anelastica.

Insegnare a un modello a imparare dai terremoti

Il cuore del lavoro è un metodo di apprendimento automatico chiamato XGBoost, che combina molti semplici alberi decisionali in un predittore potente. Invece di costringere i dati ad adattarsi a una formula matematica fissa, il modello apprende relazioni complesse tra magnitudo del terremoto, distanza, condizioni del suolo, periodo dell’edificio e resistenza anelastica. Gli autori inseriscono inoltre il modello in un quadro a effetti misti che separa le differenze tra terremoti dalle differenze all’interno di uno stesso evento, rispecchiando come i modelli sismici tradizionali trattano la variabilità. Usano strumenti moderni per interpretare l’apprendimento automatico, inclusi l’importanza tramite permutazione e i valori SHAP, per vedere quali input contano di più e come influenzano le predizioni verso l’alto o verso il basso.

Cosa controlla lo scuotimento in questa nuova visione

Entrambi gli strumenti di interpretabilità delineano un quadro coerente: magnitudo del terremoto, periodo dell’edificio e distanza dalla faglia dominano lo scuotimento predetto, con il fattore di resistenza anelastica e la velocità di taglio vicino alla superficie che giocano ruoli secondari ma comunque significativi. Terremoti più grandi e siti più vicini producono accelerazioni anelastiche maggiori, mentre edifici a periodo più lungo e suoli più molli mostrano i cambiamenti di risposta attesi. Il modello raggiunge alta accuratezza su dati non visti, spiegando oltre il 92% della varianza nelle accelerazioni anelastiche simulate, e i residui mostrano scarso bias sistematico rispetto a magnitudo, distanza o condizioni del sito.

Collegamento agli strumenti di progetto familiari

Per verificare la realisticità fisica, gli autori confrontano le loro predizioni basate sull’apprendimento automatico, nel caso speciale in cui l’edificio rimane elastico, con una nota equazione tradizionale del moto del suolo. Le forme e le tendenze delle curve concordano strettamente, soprattutto per i periodi tipici di progetto, mentre il nuovo approccio si estende in modo naturale all’intervallo anelastico che il modello tradizionale non copre. Questo significa che gli ingegneri possono usare il nuovo modello per costruire curve di pericolo e spettri che riflettano direttamente il comportamento non lineare degli edifici, invece di aggiustare i risultati elastici con fattori di correzione approssimativi.

Come aiuta a rendere le città più sicure

In termini semplici, lo studio mostra che l’apprendimento automatico può fornire predizioni accurate e trasparenti su quanto si scuoteranno edifici reali lievemente danneggiati nei terremoti futuri, usando informazioni sul terremoto, sul sito e sull’edificio stesso. Lavorando direttamente con misure di risposta anelastica e identificando chiaramente i fattori più importanti, il modello offre una base più realistica per la progettazione basata sulle prestazioni, lo sviluppo delle normative e la valutazione rapida del rischio, restando al contempo coerente con gli strumenti di progetto elastici noti.

Citazione: Gong, Y., Zhao, J. XGBoost-based ground motion model for constant-strength inelastic acceleration response spectra. Sci Rep 16, 15653 (2026). https://doi.org/10.1038/s41598-026-46656-x

Parole chiave: ingegneria sismica, modelli di moto del suolo, apprendimento automatico, spettri di risposta anelastica, progettazione sismica