I ricercatori dell’Università della California, Berkeley, hanno sviluppato un nuovo modo per valutare come gli edifici resisterebbero in caso di grandi terremoti. Il metodo utilizza l’apprendimento automatico per analizzare i dati dei terremoti passati e identificare modelli che possono essere utilizzati per prevedere come si comporteranno i diversi tipi di edifici nei terremoti futuri.
I ricercatori affermano che il loro metodo è più accurato rispetto ai metodi tradizionali di valutazione sismica, che si basano su modelli semplificati del comportamento degli edifici. I modelli di apprendimento automatico possono catturare le complesse interazioni tra le diverse parti di un edificio e l’ambiente circostante, consentendo previsioni più accurate su come si comporterà un edificio in caso di terremoto.
I ricercatori hanno testato il loro metodo su un set di dati di oltre 1.000 edifici danneggiati dai terremoti del passato. Il modello è stato in grado di prevedere con precisione il livello di danno di ciascun edificio, anche per gli edifici che non erano esplicitamente inclusi nei dati di addestramento.
I ricercatori affermano che il loro metodo potrebbe essere utilizzato per contribuire a migliorare la sicurezza sismica degli edifici. Identificando gli edifici ad alto rischio di danni, gli ingegneri possono adottare misure per ammodernarli e renderli più resistenti ai terremoti.
La ricerca è stata pubblicata sulla rivista Earthquake Engineering and Structural Dynamics.
Come funziona il metodo
Il modello di apprendimento automatico utilizzato nello studio è un tipo di rete neurale artificiale. Le reti neurali artificiali si ispirano al cervello umano e possono imparare a riconoscere modelli nei dati. Il modello è stato addestrato su un set di dati di oltre 1.000 edifici danneggiati dai terremoti passati. Il modello ha imparato a identificare modelli nei dati associati a diversi livelli di danno.
Una volta addestrato il modello, è stato testato su una serie di edifici non inclusi nei dati di addestramento. Il modello è stato in grado di prevedere con precisione il livello di danno di ciascun edificio.
Vantaggi del metodo
Il metodo di machine learning offre numerosi vantaggi rispetto ai metodi tradizionali di valutazione sismica.
* Precisione: Il modello di machine learning è più accurato rispetto ai metodi tradizionali di valutazione sismica, che si basano su modelli semplificati del comportamento degli edifici.
* Flessibilità: Il modello di apprendimento automatico può essere utilizzato per valutare un’ampia varietà di edifici, compresi edifici con geometrie complesse e forme irregolari.
* Velocità: Il modello di machine learning può essere utilizzato per valutare rapidamente un gran numero di edifici.
Applicazioni del Metodo
Il metodo di apprendimento automatico potrebbe essere utilizzato per una varietà di applicazioni, tra cui:
* Valutazioni sulla sicurezza sismica: Il metodo potrebbe essere utilizzato per identificare gli edifici ad alto rischio di danni in caso di terremoto.
* Retrofit: Il metodo potrebbe essere utilizzato per aiutare gli ingegneri a progettare misure di retrofit per edifici ad alto rischio di danni.
* Risposta di emergenza: Il metodo potrebbe essere utilizzato per aiutare i soccorritori a valutare i danni agli edifici dopo un terremoto.
Il metodo di machine learning è un nuovo promettente strumento per valutare la sicurezza sismica degli edifici. Il metodo è accurato, flessibile e veloce e può essere utilizzato per una varietà di applicazioni.
