Caratterizzazione delle eterogeneità dello slip su una faglia mediante tecniche di face detection

Il problema della caratterizzazione delle eterogeneità dello scorrimento cosismico su una faglia in occasione di un terremoto è affrontato mediante l’applicazione di una tecnica di “machine learning” nota come “face detection”. In assenza di un metodo univoco per prevedere quale sarà la struttura spaziale dello slip in funzione della magnitudo, del meccanismo focale e della localizzazione geografica di un terremoto, questa tesi propone uno studio di fattibilità sull’utilizzo di algoritmi che normalmente sono utilizzati per il riconoscimento facciale, per lo studio delle suddette relazioni. Il database di riferimento è SRCMOD, una collezione di 180 modelli cosiddetti “a faglia finita”, consistenti in altrettante rappresentazioni matriciali della distribuzione di slip sulle faglie responsabili di terremoti avvenuti a livello mondiale fra il 1906 e il 2017. Il software OpenCV è utilizzato in tutti i principali passaggi in cui l’approccio di face detection si articola: definizione di diversi classificatori basati sull’aspect ratio delle asperità sul piano di faglia, loro “allenamento”, valutazione della performance dei classificatori sull’intero database SRCMOD, applicazione ad un sottoinsieme di modelli a singola asperità per la ricerca di eventuali correlazioni fra l’aspect ratio dell’asperità e la magnitudo, il meccanismo focale, la localizzazione geografica. Il principale risultato ottenuto conferma una conclusione già proposta in letteratura (Goda et al., 2016): non sembra esistere alcuna correlazione fra l’aspect ratio delle asperità e la magnitudo del terremoto, nemmeno se l’analisi è trattata separatamente per diversi meccanismi focali. E’ invece possibile che alcune regolarità esistano fra l’area geografica in cui un terremoto avviene e l’aspect ratio dell’asperità dominante: i dati a disposizione sono però troppo poco numerosi per trarre conclusioni certe.