Ho fatto un sondaggio diretto fino alla profondità di 15 m, questa la stratigrafia:
0.00 - 5.00 lave vacuolari in facies scoriacea 5.00 - 7.50 scorie laviche: lave disgragate e vacuolari 7.50 - 14.00 lave compatte 14.00 - 15.00 lave vacuolari in facies scoriacea
Capito. Comunque come ha detto mccoy, una 8sommaria e generica) analisi 1D mostra, nella tua situazione, un picco di FAD a circa 2.8 Hz e un'altro a circa 10 Hz con amplificazioni di circa 2.5
Nell' articolo, Brandenberg sottolinea come trascurare l' effetto del sigma efficace (nella relazione tra la Vs e l' N60), possa introdurre errori importanti.
Proprio a riguardo dell' errore, non capisco perchè ci sia il bisogno di sottostimare o sovrastimare la Vs ripartendo l' errore nei termini intra-pozzo e inter-pozzo. Mc tuche mastichi di statitistica, hai mai sentito parlare di "lmer", software open-source per il calcolo statitistico? brrr... brutta bestia la statistica.
Cmq se la funzione statistica proposta non può sostituire accurate misurazioni geofisiche, è pur vero che può essere un metodo speditivo per una prima valutazione della risposta dinamica del terreno.
Sarebbe interessante se i colleghi volessero provarla per verificarne l' attendibilità.
Proprio a riguardo dell' errore, non capisco perchè ci sia il bisogno di sottostimare o sovrastimare la Vs ripartendo l' errore nei termini intra-pozzo e inter-pozzo. Mc tuche mastichi di statitistica, hai mai sentito parlare di "lmer", software open-source per il calcolo statitistico? brrr... brutta bestia la statistica.
Avendo tutti quei dati gli autori hanno scelto una trattazione rigorosa. L'errore intra-boring è dato dalla dispersione attorno alla linea di trend per cui è dipendente dalla pressione litostatica (trend di Vs generalmente in aumento), mentre l'inter-boring dipende solo dalla classe litologica. La somma quadratica dei due dà l'errore totale che è funzione della classe litologica e della tensione litstatica, è una finezza aggiuntiva del metodo.
Il programam principe open source di statistica è l'R, non conosco lmer ma lo vado a vedere perchè mi incuriosisce
"Data speak for themselves" -Reverend Thomas Bayes 1702-1761 P(Ai|E)=(P(E|Ai)P(Ai))/P(E)
Il software è sempre R e da una breve ricerca mi sembra di capire che il pacchetto lme4, fornisce funzioni in grado di modellare in R sia gli effetti lineari che quelli non lineari "random effects".
lmer (pronuncia.: ilmer), si identifica da una formula e dal nome di un database e può determinare sia ("ML")the maximum likelihood estimates or ("REML")the restricted maximum likelihood estimates of the variance components.
Ne ho parlato spesso, ma non ho mai postato un esempio su come trasformare una scomoda S2 in altra classe canonica come la B, ad esempio. In questo allegato, nel grafico in alto tratto da uan MASW, vedete che 8 m di Vs<800 sul resto della successione >800 non trovano collocazione secondo la tabella 3.2.II NTC.
Ma poichè i 2 rilievi HVSR eseguiti nello stesso sito esibiscono soltanto una modica amplificazione a frequenze che vanno da 15 a 19 Hz e pertanto verosimilmente al di fuori di quelle dell'edificio, possiamo secondo lo stato dell'arte escludere una classe S2 che comporterebbe un dubbio su una possibile deleteria amplificazione locale.
E poichè l'edificio esiste già, i suoi modi vibrazionali sono stati misurati con lo stesso strumento ed hanno come ci si aspettava frequenze minori (4 e 7 Hz), possiamo con tutto il rigore tecnico-scientifico possibile asserire che non siamo in uan classe pericolosa ed adottare la B non è a sfavore di sicurezza.
"Data speak for themselves" -Reverend Thomas Bayes 1702-1761 P(Ai|E)=(P(E|Ai)P(Ai))/P(E)
