Earthquake ground motion modelling from induced seismicity in Groningen gas field

The thesis work was carried out within the project funded by the Dutch Ministry of Economic Affairs for the purpose of dissolving concerns on the reliability of hazard and risk assessment models for gas extraction induced seismicity in the Groningen field (Netherlands). The main goal of the project was to study advanced approaches for ground motion prediction by means of 3D physics based numerical simulations (PBS) of induced earthquakes, performed using the code SPEED, based on the Spectral Element Method. Geologic models and data, at different spatial scales, and analysis of recordings were used to calibrate the 3D model. The spatial variability of the mechanical properties in the field was also investigated and methods for simulating stochastic fields were implemented. The 3D model has been validated by comparison of recorded ground motions with the synthetics obtained by SPEED. An Artificial Neural Network was used to enrich the PBS time histories at high frequency, using as input their long-period spectral ordinates.

L’elaborato di tesi è stato realizzato nell’ambito di un progetto finanziato dal Ministero dell’Economia e delle Finanze olandese, al fine di sciogliere le preoccupazioni sull’affidabilità dei modelli di valutazione dell’hazard e del rischio per la sismicità indotta dall’estrazione di gas nel bacino di Groningen (Paesi Bassi). L’obiettivo principale dell’elaborato è stato lo studio di approcci avanzati per la previsione dei terremoti mediante l’uso di simulazioni numeriche 3D. Le simulazioni sono state eseguite con il codice SPEED, basato sul metodo degli elementi spettrali. Il modello numerico 3D è stato costruito integrando modelli geologici esistenti e dati geologici e geotecnici raccolti a diversa scala. La variabilità spaziale delle proprietà meccaniche dei materiali componenti il sottosuolo è stata indagata al fine di individuare i parametri costitutivi di modelli di correlazione stocastica. Ottenuti quest’ultimi, diversi algoritmi per la simulazione di campi stocastici sono stati implementati utilizzando il linguaggio di programmazione MATLAB, ai fini di integrare quest’ultimi nel modello numerico 3D. La validazione del modello è avvenuta tramite confronto tra le time histories simulate e quelle registrate da numerose stazioni. Infine è stata valutata l’applicabilità di una rete neurale artificiale (ANN) per arricchire in alta frequenza le storie temporali ottenute con SPEED.