Parametric, locally adaptive, and non-parametric geostatistical analysis of ground-motion site effects in Italy

Modern non-ergodic Probabilistic Seismic Hazard Assessment increasingly relies on the identification of repeatable site-specific ground-motion components to relax the ergodic assumption. In the Central Apennines in Italy, where complex geological structures are sampled by a sparse and irregular strong-motion network, the spatial prediction of site-to-site residuals remains a critical methodological challenge. This thesis investigates and compares three spatial geostatistical paradigms for modeling site effects for Peak Ground Acceleration and Peak Ground Velocity: a stationary parametric baseline, a locally adaptive non-stationary Random Domain Decomposition model, and a non-parametric matrix completion framework. Using an unbalanced strong-motion dataset from the Italian monitoring network, site effects are represented either by station-wise averages of within-event residuals or by linear mixed-effects estimates, depending on the modeling framework. The comparative cross-validation analysis reveals a trade-off between physical interpretability and predictive accuracy. While global stationary models struggle to accommodate local short-range heterogeneities, Random Domain Decomposition identifies localized geometric anisotropies consistent with the structural trend of the Apennine chain, providing interpretable seismotectonic information. Conversely, the non-parametric matrix completion approach achieves the highest out-of-sample predictive accuracy. By avoiding rigid analytical kernels and relying on spatial Laplacian regularization, it handles network sparsity and stabilizes the covariance reconstruction against small-scale fluctuations. Ultimately, robust spatial mapping of site effects supports non-ergodic Probabilistic Seismic Hazard Assessment by refining regional seismic microzonation and reducing the risk of underestimating multi-site damage in spatially distributed infrastructure networks.

La moderna valutazione probabilistica della pericolosità sismica non ergodica si basa sempre più sull’identificazione di componenti del moto del suolo specifiche di sito, ripetibili nel tempo, al fine di rilassare l’assunzione ergodica. Nell’Appennino centrale italiano, dove strutture geologiche complesse sono campionate da una rete accelerometrica sparsa e irregolare, la predizione spaziale dei residui sito-sito rappresenta ancora una sfida metodologica critica. Questa tesi indaga e confronta tre paradigmi geostatistici spaziali per la modellazione degli effetti di sito relativi all’accelerazione di picco del suolo e alla velocità di picco del suolo: un modello parametrico stazionario di riferimento, un modello non stazionario localmente adattivo basato sulla Random Domain Decomposition, e un framework non parametrico di completamento di matrice. Utilizzando un dataset accelerometrico non bilanciato proveniente dalla rete di monitoraggio italiana, gli effetti di sito sono rappresentati, a seconda del framework di modellazione, mediante medie per stazione dei residui intra-evento oppure mediante stime ottenute da modelli lineari a effetti misti. L’analisi comparativa di cross-validation evidenzia un compromesso tra interpretabilità fisica e accuratezza predittiva. Mentre i modelli stazionari globali faticano a rappresentare eterogeneità locali a corto raggio, la Random Domain Decomposition identifica anisotropie geometriche localizzate coerenti con l’andamento strutturale della catena appenninica, fornendo informazioni sismotettoniche interpretabili. Al contrario, l’approccio non parametrico di completamento di matrice raggiunge la massima accuratezza predittiva fuori campione. Evitando kernel analitici rigidi e basandosi sulla regolarizzazione spaziale laplaciana, esso gestisce la sparsità della rete e stabilizza la ricostruzione della covarianza rispetto a fluttuazioni a piccola scala. In definitiva, una mappatura spaziale robusta degli effetti di sito supporta la valutazione probabilistica non ergodica della pericolosità sismica, affinando la microzonazione sismica regionale e riducendo il rischio di sottostimare il danno multi-sito nelle reti infrastrutturali spazialmente distribuite.