Previsione dei modi di danno di edifici in muratura da indicatori di vulnerabilità: sviluppo di un approccio bayesiano integrato e calibrazione sul sisma Italia Centrale 2016

La previsione del danno sismico è fondamentale nell’analisi dell’effetto potenziale di un terremoto e rappresenta uno strumento essenziale per la mitigazione del rischio sismico. Nel tempo sono stati elaborati diversi metodi per stabilire un più preciso legame tra la vulnerabilità sismica di una struttura e il danno atteso. Esistono approcci empirici, basati su schede e griglie predefinite per valutare il danno e stimare la sua forma, oppure approcci meccanici, basati invece su ingegneristici per simulare il comportamento strutturale di un edificio sollecitato da un'azione sismica. A questi si aggiungono anche dei sistemi automatizzati basati sull'intelligenza artificiale e sull'apprendimento automatico. In questo ambito, la letteratura ad oggi disponibile popone alcuni strumenti automatizzati in grado prevedere il danno in termini globali, ossia con riferimento ad un livello di danno che descrive la risposta sismica dell'intero edificio, non considerando quindi una risposta locale per modi di collasso. Il presente lavoro propone, quindi, uno strumento automatizzato finalizzato a prevedere il modo di danno atteso, attraverso l'analisi di 21 fattori di vulnerabilità caratteristici degli edifici in muratura. Lo strumento elaborato si fonda sull’apprendimento statistico, il quale permette di stimare il modello che lega i parametri di vulnerabilità al modo di danno atteso. La definizione delle relazioni che intercorrono tra danno e vulnerabilità viene indagata tramite l’applicazione dell’algoritmo di classificazione di naive Bayes, che consente di calcolare le probabilità di appartenenza di ciascun elemento analizzato dalla rete a ciascuna delle classi possibili. Dette probabilità, valutate con riferimento a ciascuno dei modi, vengono definite in funzione delle probabilità a priori e condizionate dei 21 parametri considerati derivanti dagli accadimenti delle condizioni nei casi di addestramento scelti. La rete è stata addestrata utilizzando i dati di 341 edifici danneggiati durante il sisma che ha colpito l’Italia Centrale nel 2016, ubicati nelle località di Castelsantangelo sul Nera (MC), Campi Alto di Norcia (PG) e Pievebovigliana di Valfornace (MC); per ciascuno di essi erano valutati i 21 parametri di vulnerabilità, il loro ruolo sulla determinazione del danno e il danno globale secondo la Scala Macrosismica Europea. Per meglio valutare interazione tra ciascun parametro di vulnerabilità e il danno sismico, l’informazione relativa al ruolo della vulnerabilità sul danno viene introdotta nell’algoritmo sottoforma di fattore moltiplicativo nel calcolo della probabilità di accadimento di ciascuna classe. La rete così strutturata viene infine sottoposta ad una fase di miglioramento della previsione tramite il calcolo automatico di indici correttivi in grado associare a ciascuna combinazione di parametri di vulnerabilità un fattore moltiplicativo relativo alle imprecisioni previsionali della rete. Viene condotta una prima verifica del funzionamento della rete tramite la sua applicazione ai casi studio di addestramento: la percentuale di riuscita è di circa il 50% e, a seguito del miglioramento imposto, arriva al 100%. L’efficacia dello strumento viene poi validata tramite la sua applicazione a 20 edifici, esterni alla base di addestramento, siti a Muccia (MC) e Camerino (MC). In questo caso la percentuale di riuscita senza miglioramento è tra il 20% ed il 50%, mentre quella corretta aumenta fino al 40-60%.