A Matrix Profile Based Time Window Selection Method for Microtremors HVSR measurements

Il terreno sotto i nostri piedi è raramente immobile. Anche quando non lo percepiamo, la Terra emette un ronzio costante, una vibrazione a basso livello causata dalle onde oceaniche, dal vento e dal lontano rombo dell'attività umana, come il traffico e l'edilizia. I sismologi chiamano questi deboli tremori "microtremori". Ascoltando attentamente questo rumore di fondo, gli scienziati possono mappare gli strati nascosti di roccia e suolo sotto la superficie senza scavare un singolo buco. Questa tecnica, nota come metodo del Rapporto Spettrale Orizzontale-Verticale, funziona confrontando quanto il terreno oscilla lateralmente rispetto al movimento verticale. Il rapporto tra questi due movimenti crea una curva distinta che rivela il ritmo naturale, o frequenza predominante, di un sito specifico. Questa informazione è vitale per gli ingegneri che progettano edifici antisismici, poiché i diversi strati di suolo amplificano le scosse in modi differenti. Tuttavia, il segnale è fragile. Poiché l'umore della Terra è non stazionario — ovvero cambia costantemente nel tempo — ed è facilmente sovrastato da improvvisi scoppi di rumore, le curve risultanti possono diventare distorte. Se i ricercatori si limitano ad mediare tutti i dati raccolti, queste distorsioni possono nascondere il vero ritmo del terreno, portando a mappe imprecise del sottosuolo e potenzialmente a decisioni ingegneristiche insicure.

Per risolvere questo problema, i ricercatori Dexiang Kong, Lijing Shi e Junjie Huang della China Earthquake Administration hanno sviluppato un nuovo modo per pulire queste misurazioni. Invece di mediare ogni singolo dato raccolto, che spesso include segnali errati, hanno creato un metodo per identificare e rimuovere automaticamente i segmenti rumorosi e inaffidabili prima di calcolare il risultato finale. Il loro approccio si basa su uno strumento matematico chiamato Matrix Profile, progettato per trovare schemi e individuare anomalie in lunghe sequenze di dati. Immaginate una lunga corda di perline dove la maggior parte sono identiche, ma alcune hanno colori o forme diverse; il Matrix Profile agisce come uno scanner che evidenzia istantaneamente le perline insolite affinché possano essere messe da parte. In questo studio, le "perline" non sono oggetti fisici, ma piuttosto le curve spettrali generate da brevi finestre temporali di registrazioni dei microtremori. I ricercatori hanno testato il loro metodo utilizzando tre diversi livelli di verifica: segnali matematici semplici, dati del suolo simulati al computer e misurazioni reali prese da veri siti sul campo.

Il team ha testato per primo il proprio algoritmo su segnali idealizzati per vedere se fosse in grado di distinguere tra dati puliti e dati contaminati dal rumore. Hanno simulato un segnale costante e poi hanno aggiunto varie quantità di interferenza casuale, imitando il modo in cui il traffico o i macchinari industriali potrebbero disturbare una misurazione. I risultati hanno mostrato una relazione chiara e diretta: all'aumentare del rumore, il "punteggio di anomalia" dell'algoritmo cresceva in perfetta sincronia. Ciò ha dimostrato che il metodo poteva misurare quantitativamente quanto una specifica finestra temporale fosse disturbata, senza la necessità di conoscere in anticipo l'aspetto del rumore. Ha identificato con successo i segmenti più puliti e ha segnalato quelli più caotici, anche quando l'interferenza cambiava gradualmente o appariva come picchi improvvisi e netti.

Successivamente, i ricercatori sono passati a uno scenario più realistico utilizzando dati di microtremore generati al computer basati su strutture sotterranee note. In questa simulazione, conoscevano la frequenza "reale" esatta del sito perché avevano costruito essi stessi il modello. Quando hanno utilizzato il metodo tradizionale di mediazione di tutti i dati, la frequenza calcolata era errata di oltre il 10 percento e la forma della curva era ampia e poco chiara. Tuttavia, quando hanno applicato il loro nuovo metodo Matrix Profile per filtrare le finestre temporali errate, l'errore è sceso a solo il 5,1 percento. La curva risultante è diventata molto più nitida e si è allineata strettamente con la verità nota. Ciò ha dimostato che il metodo poteva eliminare efficacementamente la distorsione causata dal rumore non stazionario, permettendo al vero segnale geologico di emergere con molta più chiarezza.

Infine, il team ha portato il metodo sul campo, testandolo su dati di microtremore reali raccolti in due diversi siti ingegneristici. In una località, avevano accesso a dati di sondaggio profondo, che fornivano un riferimento affidabile per la reale risposta del terreno. In un altro sito, hanno confrontato i loro risultati con un parametro derivato da registrazioni sismiche forti, uno standard utilizzato quando non si dispone di dati di perforazione. Nel primo caso, il metodo tradizionale ha prodotto un risultato che era quasi del 18 percento distante dal valore reale. Dopo aver filtrato i dati con il Matrix Profile, la dispersione dei risultati è diminuita drasticamente e la curva corrispondeva molto più da vicino al modello teorico. Nel secondo sito, privo di dati di perforazione profonda, l'approccio tradizionale ha prodotto una frequenza quasi del 25 percento superiore al parametro di riferimento. Rimuovendo le finestre anomale, il nuovo metodo ha ridotto l'errore a meno del 3 percento, un livello di precisione che soddisfa i rigorosi standard ingegneristici.

Lo studio conclude che questo processo di screening automatizzato offre una soluzione robusta a un problema di lunga data nella geofisica. Concentrandosi sulla forma complessiva e sulla coerenza dei dati attraverso l'intero intervallo di frequenza, piuttosto che cercare solo un singolo picco, il metodo assicura che l'analisi finale non sia influenzata dal rumore transitorio. Non richiede l'ispezione manuale di un esperto umano, né la conoscenza pregressa della geologia locale, né una complessa calibrazione dei parametri. Al contrario, si affida interamente alla coerenza interna dei dati stessi per separare il segnale dal rumore. Questo progresso significa che gli ingegneri e i sismologi possono ora elaborare enormi quantità di dati sui microtremori con maggiore fiducia, garantendo che le mappe che creano degli strati nascosti della Terra siano accurate e affidabili per proteggere le comunità dai rischi sismici.