1-s2.0-S026772611500319X-Flora Garofalo InterPACIFIC Project 2016

Version of Record: https://www.sciencedirect.
com/science/article/pii/S026772611500319X
608c6a224032434e59258864b60641a4
InterPACIFIC project: comparison of invasive and non-invasive methods for seismic site characterization.
Part I: Intra-comparison of surface wave methods
F. Garofalo1,*, S. Foti1, F. Hollender2, P.Y. Bard3, C. Cornou3, B.R. Cox4, M. Ohrnberger5, D. Sicilia6, M. Asten7,
G. Di Giulio8, T. Forbriger9, B. Guillier3, K. Hayashi10, A. Martin11, S. Matsushima12, D. Mercerat13, V. Poggi14,
H. Yamanaka15.
1: Politecnico di Torino, Torino, Italy
2: French Alternative Energies and Atomic Energy Commission (CEA), Cadarache, Saint-Paul-lez-Durance,
France
3: Univ. Grenoble Alpes/CNRS/IRD/IFSTTAR, ISTerre, F-38000 Grenoble, France
4: University of Texas, Austin, Texas USA
5: University of Potsdam, Potsdam, Germany
6: EdF, France
7: Monash University, Melbourne, Australia
8: INGV, L’Aquila, Italy
9: Black Forrest Observatory, Germany
10: Geometrics, USA
11: Geovision, USA
12: Kyoto University, Japan
13: CEREMA, Direction Territoriale Méditerranée, Nice, France
14: Swiss Seismological Service, ETHZ, Zurich, Switzerland
15: Tokyo Institute of Technology, Japan
*: currently at Eni upstream and technical services, Italy.
Keywords: surface-wave methods, dispersion curve, inversion, VS,30, site characterization, MASW,
microtremors, Rayleigh waves, geophysical methods
© 2019. This manuscript version is made available under the Elsevier user license
https://www.elsevier.com/open-access/userlicense/1.0/
Resumen
El alcance principal del proyecto InterPACIFIC (Intercomparación de métodos para la caracterización de

parámetros de sitio y perfil de velocidad) es evaluar la confiabilidad de los métodos de onda de superficie y
en el agujero, utilizados para estimar la velocidad de la onda de corte. Se eligieron tres sitios de prueba con
diferentes condiciones del subsuelo: un suelo blando, un suelo rígido y un afloramiento rocoso. Este
artículo informa los resultados de los métodos de ondas de superficie. Específicamente, 14 equipos de
usuarios expertos analizaron los mismos conjuntos de datos experimentales de ondas de superficie, que
consisten en datos pasivos y activos. Cada equipo adoptó su propia estrategia para recuperar la curva de
dispersión y el perfil de velocidad de onda cortante en cada sitio. A pesar de los diferentes enfoques, las
curvas de dispersión están bastante de acuerdo entre sí. Por el contrario, los perfiles de velocidad de onda
de corte muestran una cierta variabilidad que aumenta en la correspondencia de las principales interfaces
estratigráficas. Esta mayor variabilidad se debe principalmente a la no unicidad de la solución y la
variabilidad lateral. Como se esperaba, la variabilidad observada en VS,30 estimaciones es pequeña, ya que
la no unicidad de la solución juega un papel limitado.
1 Introducción
La velocidad de la onda cortante (VS) juega un modelo de un papel clave en el análisis de respuesta sísmica
del sitio, ya que la propagación de la onda de corte controla la amplificación del movimiento del suelo [1-2].
Códigos de construcción sísmicos, como Eurocode 8 [3] y disposiciones NERHP [4], usando VS,30 (i.e. la
velocidad promediada en el tiempo en la parte superior 30 m) para definir clases de suelo para una
evaluación simplificada de la respuesta al sitio sísmico. Además, la mayoría de los GMPE modernos
(ecuaciones de predicción de movimiento del suelo) utilizados en la evaluación de riesgos sísmicos
consideran VS,30 como un parámetro para bin sitios sobre la base de la amplificación del sitio esperado [5-
8]. Se puede derivar un estudio preciso de la respuesta sísmica a partir de métodos numéricos y, en este
caso, una distribución 1D, 2D o 3D de VS es requerido.
El modelo VS se puede recuperar con pruebas invasivas, como pruebas de agujeros cruzados o de fondo, o
métodos no invasivos, como métodos de ondas de superficie o pruebas de refracción. Los métodos
invasivos generalmente se consideran más confiables que los no invasivos porque se basan en la
interpretación de las mediciones locales de los tiempos de viaje de las ondas de corte, lo que generalmente
proporciona una buena resolución en función de la profundidad. Sin embargo, los métodos invasivos
requieren la perforación de al menos un pozo, lo que los hace bastante caros para obtener información
profunda. Por lo tanto, generalmente se adoptan solo en proyectos de importancia relevante. Las técnicas
no invasivas proporcionan alternativas rentables. Específicamente, los métodos basados en el análisis de la
propagación de ondas superficiales son cada vez más populares [9-14]. Los métodos de ondas de superficie
requieren generalmente pequeños esfuerzos para la adquisición de campo. Sin embargo, requieren
procesamiento e inversión de los datos experimentales que son mucho más intensivos en cómputo que los
requeridos para los métodos invasivos. Si bien el procesamiento de la curva de dispersión es bastante
robusto, como lo comentan Cornou et al. [15] y Cox et al. [16], el problema de inversión de onda de
superficie, utilizado para obtener un perfil Vs , es altamente no lineal y se ve afectado por la falta de
unicidad de la solución. Estos factores pueden inducir ambigüedades de interpretación en el modelo VS
final [17-25]. En la literatura, se han propuesto diferentes técnicas para el procesamiento de dispersión (por
ejemplo, [26-31]) y la inversión (por ejemplo, [21, 32-39]) de los datos experimentales. Estas técnicas
pueden considerarse confiables si los usuarios expertos las aplican. Sin embargo, debido al bajo costo y la
efectividad en el tiempo de los métodos de ondas de superficie y la disponibilidad de software de "caja
negra", los usuarios no expertos están adoptando cada vez más estos métodos. La interpretación no
corregida de los datos de ondas de superficie puede conducir a grandes errores en el perfil Vs resultante,
generando a veces una falta de confianza en los métodos no invasivos.
En el pasado, se llevaron a cabo varios proyectos para mejorar el estado general de la práctica en los
métodos de ondas de superficie, como el proyecto europeo NERIES-JRA4 (Red de Infraestructuras de
Investigación para Europa Seismology) [9]. En 2006, se realizó una prueba ciega internacional [15], pero
esta se centró principalmente en grabaciones de matriz de vibración ambiental. Asten y col. [40] informan
una comparación ciega de cinco interpretaciones independientes de las vibraciones ambientales, en dos
sitios en cuencas en la Falla de Anatolia del Norte, Turquía. Tran y Hiltunen [41] compararon los resultados
obtenidos por 10 equipos independientes que analizaron el mismo experimento el conjunto de datos
recopilados con matrices lineales que registran datos de fuente activa y vibraciones ambientales. Kim y col.
[42] informan sobre una prueba local ciega con mediciones independientes y análisis de datos de ondas
superficiales en un sitio con lecho de roca poco profundo en el que también se investigó la variabilidad de
los métodos de perforación. Cox y col. [16] propuso una prueba a ciegas, en la que los participantes
analizaron el mismo conjunto de datos de registros de ondas de superficie pasivos y activos, con el objetivo
de evaluar la incertidumbre / variabilidad en las estimaciones de dispersión y VS. Desafortunadamente, la
falta de pruebas en el pozo no permitió una evaluación independiente de la precisión de la predicción en el
sitio considerado en esta prueba a ciegas.
En este contexto, el proyecto InterPACIFIC (Intercomparación de métodos para la caracterización de

parámetros de sitio y perfil de velocidad) tiene como objetivo comparar las técnicas principales para los
métodos de ondas de superficie (comparaciones intramétodos), así como comparar técnicas no invasivas
con técnicas invasivas ( comparaciones entre métodos) en tres sitios europeos con diferentes condiciones
del subsuelo. En este artículo informamos solo la comparación intramétodo entre los resultados de las
ondas de superficie para evaluar la confiabilidad de los métodos de ondas de superficie. La comparación
entre métodos entre los métodos de ondas de superficie y las técnicas de perforación se discute en un
documento complementario [43]. Esta comparación intramétodo de los resultados de las ondas de
superficie nos ayudará a mejorar la comprensión de aquellos problemas que podrían afectar la
confiabilidad de los resultados de caracterización del sitio.
Los tres sitios de prueba seleccionados dentro del proyecto interPACIFIC (Figura 1) se caracterizan por
diferentes condiciones del subsuelo: un sitio con suelo blando sobre roca (Mirandola); un sitio con suelo
rígido que se extiende a profundidades significativas (Grenoble); un sitio de afloramiento rocoso
(Cadarache). El sitio de Mirandola se encuentra en Italia, cerca del área epicentral de la secuencia sísmica
de Emilia 2012 [44], y consta de aproximadamente 100 m de suelo aluvial blando sobre roca. El sitio de
Grenoble está situado en un valle alpino en Francia, y consiste en depósitos aluviales muy profundos y
rígidos de aproximadamente 500 a 800 metros [45]. El sitio de Cadarache, también en Francia, es un sitio
de afloramiento rocoso. En todos los sitios, se realizaron mediciones invasivas (en el pozo) (al menos dos
pozos disponibles) mientras que se obtuvieron datos de ondas superficiales en las proximidades de los
pozos.
Figura 1 - Localización de los tres sitios: Mirandola en Italia, Grenoble y Cadarache en Francia
Se invitó a catorce equipos de expertos (ingenieros, geólogos y sismólogos) de diferentes instituciones /
empresas (ver Tabla 1) a participar en una prueba a ciegas en el análisis de ondas de superficie. Se
proporcionaron los mismos conjuntos de datos experimentales no invasivos a todos los equipos. A cada
equipo se le permitió usar todos o parte de los datos proporcionados. Se proporcionó muy poca
información complementaria sobre los sitios.
Cada equipo era libre de adoptar la estrategia y el procedimiento que consideraban los mejores para
estimar un perfil VS para el sitio, sin requisitos específicos sobre la profundidad y resolución de la
investigación. Para tener en cuenta la cuestión de la no unicidad de la solución, los equipos debían
proporcionar mejor estimación del perfil VS y un límite de incertidumbre asociado (o un rango de posibles
soluciones). Sin embargo, una comparación de los límites de incertidumbre no es sencilla, ya que los
analistas cuantifican la no unicidad con varias estrategias diferentes. Por lo tanto, el presente trabajo se
centra en la comparación de las mejores estimaciones solamente. No existe una definición única de la
mejor estimación, y cada equipo decidió su estrategia preferida (menor desadaptación, a simple vista,
estadísticas sobre soluciones, ...) para proporcionar su perfil.
Tabla 1-Lista de equipos que participan en el ejercicio ciego de análisis de ondas de superficie
ID Label Participants Country
1 MU Michael Asten, Monash University Australia
2 CE Diego Mercerat, CEREMA France
3 IST1 Cécile Cornou, ISTerre France
4 UT Brady Cox, University of Texas USA
5 INGV Giuseppe Di Giulio, INGV Italy
6 BFO Thomas Forbriger, Black Forest Observatory Germany
7 Geom Koichi Hayashi, Geometrics USA
8 IST2 Bertrand Guillier, ISTerre France
9 KU Shinichi Matsushima, Kyoto University Japan
10 TT Hiroaki Yamanaka, Tokyo Institute of Technology Japan
11 GV Antony Martin, Geovision USA
12 SED Valerio Poggi, Stefano Maranò, Jan Burjanek, Switzerland

Clotaire Michel, SED-ETHZ
13 PU Matthias Ohrnberger, Potsdam University Germany
14 PT S. Foti and F. Garofalo, Politecnico di Torino Italy
El documento está organizado de la siguiente manera. Después de una breve introducción sobre las
técnicas de ondas de superficie, describimos la adquisición de los datos experimentales (comunes a los
equipos dentro de la prueba ciega) y los enfoques para su interpretación adoptados por los diferentes
equipos. Luego, para cada sitio, se informa una breve descripción de las condiciones del subsuelo y la
comparación de los resultados. Finalmente, se discuten los resultados para resumir las importantes
lecciones aprendidas.
2 métodos de onda de superficie
Los métodos de ondas superficiales se basan en la estimación e inversión de la característica dispersiva del
sitio. La propagación de ondas superficiales es un fenómeno que ocurre en el caso de un límite libre, como
la superficie de la tierra. En un medio homogéneo, la amplitud del movimiento de partículas inducido decae
exponencialmente con la profundidad, volviéndose insignificante dentro de aproximadamente una longitud
de onda. En un medio en capas, la propagación de las ondas superficiales se rige por la dispersión
geométrica: diferentes longitudes de onda investigan diferentes profundidades y, por lo tanto, en cada
frecuencia la velocidad de fase depende de las propiedades de la porción investigada de la subsuperficie. La
velocidad de fase en función de la frecuencia o la longitud de onda se denomina curva de dispersión.
Además, en un medio en capas, la propagación de ondas de superficie es un fenómeno multimodal, en el
que pueden existir diferentes modos de vibración en cada frecuencia, y cada modo se caracteriza por su
propia velocidad de propagación [44]. Sin embargo, en un perfil normalmente dispersivo (velocidad que
aumenta constantemente con la profundidad) sin fuertes contrastes de impedancia, la energía tiende a
propagarse principalmente según el modo fundamental [47-48]. La curva de dispersión del modo
fundamental generalmente se estima, pero también se pueden identificar modos más altos. Otros
prefieren estimar el modo efectivo, que utiliza la partición teórica de energía entre modos para un modelo
dado, suponiendo que las fuentes son fuentes puntuales de impacto vertical [49-50].
En la práctica, la mayoría de los métodos de ondas de superficie se basan en tres pasos principales: la
adquisición de datos, el procesamiento para extraer la curva de dispersión y finalmente la inversión [49-50,
13].
2.1 Adquisición
El análisis de ondas de superficie se puede implementar en pruebas de fuente activa y / o pasiva. Para el
primero, la onda se genera específicamente para el experimento, mientras que para el segundo se registran
vibraciones de ruido ambiental (microtremors). Es importante destacar que las señales relacionadas con las
fuentes activas y pasivas suelen ser ricas en energía en diferentes bandas de frecuencia, y las fuentes
pasivas suelen proporcionar más información en el rango de baja frecuencia. En el proyecto InterPACIFIC,
se recopilaron datos de ondas de superficie activas y pasivas mediante la adopción de diferentes matrices,
todas ubicadas en las proximidades de los pozos existentes, que posteriormente se utilizaron para
mediciones sísmicas en el pozo [41]. Las geometrías de matriz activa y pasiva y los parámetros de
adquisición utilizados en Mirandola, Grenoble y Cadarache se proporcionan en la Tabla 4, Tabla 6 y Tabla 8,
respectivamente. Breves descripciones de la adquisición de datos experimentales se proporcionan a
continuación.
Para los datos de fuente activa, adoptamos en los tres sitios el esquema lineal de MASW, según lo
propuesto por Park et al. [31] Los geófonos se colocan a lo largo de una matriz lineal y la fuente está en
línea con ellos. El espacio entre geófonos es típicamente de unos pocos metros o menos, de acuerdo con el
VS esperado del sitio, la resolución requerida y la profundidad de investigación deseada [52]. Para la
adquisición de los conjuntos de datos se utilizó un sismógrafo Geode (Geometrics) y una matriz lineal con
diferentes espacios de receptores, que varían de 0.5 a 2 m según las condiciones del sitio y el espacio
disponible. Los geófonos de baja frecuencia natural se utilizan para evitar distorsiones de fase en el rango
de frecuencia de interés. Las encuestas MASW fueron diseñadas y realizadas para adquirir datos de onda de
Rayleigh y Love. Los datos de las ondas de Rayleigh y Love se registraron utilizando geófonos verticales
(frecuencia natural de 4,5 Hz) y geófonos horizontales Swyphone (frecuencia natural de 20 Hz) [53],
respectivamente. Se utilizó un mazo de 8 Kg como fuente sísmica, golpeando verticalmente en una placa de
hierro para la generación de datos de ondas Rayleigh y horizontalmente en un haz de hierro para datos de
ondas Love. Los parámetros de adquisición se definieron para permitir que los datos de refracción sísmica,
tanto en términos de ondas P como SH, se adquirieran simultáneamente con datos de ondas de superficie
[54] y, por lo tanto, también era posible que los equipos recuperaran información adicional sobre el sitio.
En el caso de las medidas de matriz de microtremor (MAM) o matriz de vibración ambiental (AVA), se
desconocen las ubicaciones de las fuentes de ruido y se utilizan diseños de matriz 2D para extraer las
características de propagación de la onda sísmica (velocidad de fase y dirección de propagación) [55-57].
Las matrices 2D con sensores de 3 componentes se adoptan en este estudio. Además, dado que las
frecuencias involucradas son bastante bajas, se requiere que los sensores tengan una alta sensibilidad. En
aras de la simplicidad en la configuración de matrices en el campo, las geometrías de matriz más comunes
son triangulares y circulares [57]. La geometría en forma de L a menudo se adopta debido a su simplicidad y
la posibilidad de recopilar datos en presencia de obstáculos (por ejemplo, un edificio). Consiste en dos
líneas perpendiculares y los geófonos generalmente se colocan a lo largo de ellos con una distancia
creciente desde el punto de cruce. También se implementan geometrías sobrantes e irregulares [58],
debido a limitaciones prácticas y presencia de obstáculos en el área de medición. Asten y col. [40] también
demuestran el uso de matrices triangulares donde solo hay dos líneas perpendiculares disponibles, como
en un cruce en T de carretera.
Dentro de este proyecto, no se han utilizado las mediciones pasivas recolectadas por el despliegue lineal de
geófonos (por ejemplo, Microtremors de refracción conocidos también como ReMi, [59]). Como discutieron
a fondo Cox y Beekman
[60] y Strobbia y Cassiani [61], este método pasivo se basa en la suposición de que el ruido ambiental es
generado por fuentes desconocidas perfectamente alineadas con la matriz o distribuidas isotrópicamente
alrededor del sitio, pero estas condiciones a menudo se violan. Por lo tanto, existe la posibilidad de que
surjan errores significativos al procesar datos pasivos de ondas de superficie recopilados con una matriz
lineal. Como tal, creemos que se deben usar matrices pasivas 2D siempre que sea posible y que se debe
tener extrema precaución cuando solo se utilizan matrices pasivas lineales.
Se han recopilado datos pasivos en los tres sitios con 15 sismómetros de tres componentes (banda ancha
Güralp CMG-6TD con digitalizadores integrados), que proporcionan una respuesta lineal entre 30 sy 100 Hz.
Las señales se muestrearon a una frecuencia de muestreo de 200 Hz con sincronización GPS continua. Se
adoptaron matrices circulares, triangulares y en forma de L. En todas las adquisiciones, se colocó un sensor
en el punto de referencia ubicado cerca de los pozos existentes. Para cada adquisición de matriz circular, se
adquirieron simultáneamente dos círculos concéntricos, centrados en el punto de referencia, utilizando 7
sensores con espacios iguales en cada círculo. Los diámetros de la matriz circular variaron de 5 a 405 m en
Mirandola y Grenoble, y de 5 a 135 m en Cadarache, donde no había espacio para matrices más grandes.
Las matrices triangulares se realizaron con 5 triángulos anidados, cuyo centroide corresponde al punto de
referencia. El lado de cada triángulo varía de 12.5 ma 300 m. También se recopiló un conjunto de datos de
geometría en forma de L con dos líneas perpendiculares que se cruzan entre sí en el punto de referencia y
los sensores tienen diferentes distancias (que varían de 5 a 150 m) desde este punto. Incluso si las matrices
muy grandes no son comunes para la caracterización sísmica en la profundidad de interés en aplicaciones
de ingeniería geotécnica, se adquirieron matrices adicionales con geometrías grandes para investigar la
posibilidad de profundos perfiles. Los detalles sobre los conjuntos de datos disponibles para cada sitio se
proporcionan en las secciones específicas a continuación.
Todo el conjunto de datos experimentales se puso a disposición de los equipos para su procesamiento e
inversión. Cada equipo era libre de elegir qué subconjunto de datos analizar.
2.2 Procedimiento
El análisis de ondas superficiales generalmente deriva la curva de dispersión experimental, que
posteriormente se utiliza para el proceso de inversión. La mayoría de las técnicas de procesamiento se
basan en la transformación de la reunión experimental del dominio del espacio-tiempo a otros dominios,
donde las características de propagación de las ondas de superficie están asociadas a los máximos
espectrales (por ejemplo, el dominio del número de onda de frecuencia o el dominio de lentitud de
frecuencia). Para microtremors, los métodos alternativos se basan en la autocorrelación espacial (SPAC) de
los datos bajo el supuesto de que la señal de interés es estocástica, estacionaria en el tiempo y el espacio
[26].
En lugar de estimar explícitamente una curva de dispersión experimental, algunos métodos adoptan
procedimientos de procesamiento alternativos para invertir las características de propagación de las ondas
superficiales. Por ejemplo, Asten [62] hace uso directo de espectros SPAC calculados a partir de espectros
de frecuencia de coherencia suavizados. Forbriger [63] interpreta el campo de onda en términos de
coeficientes de expansión de Fourier-Bessel: las ondas de superficie aparecen como señales con gran
amplitud en este último y la relación de dispersión se hace evidente en las gráficas de los coeficientes de
expansión.
Los enfoques alternativos se basan en la extracción de elipticidad de las ondas de Rayleigh de una sola
estación y el procesamiento de la matriz de grabaciones de ruido (por ejemplo, [62-65]).
En la Tabla 2 se presenta una lista de los métodos de procesamiento adoptados por los diferentes equipos
dentro de este proyecto, con las referencias bibliográficas relevantes.
Table 2 - Lista de métodos adoptados para el procesamiento de datos de ondas superficiales
Reference
Label Method Data s
FK frequency-wavenumber transform active [29]
slowness-frequency transformation
PF active [30]
method
Phase-shift transform, a special case of
PS active [31]
PF transform
[29,
FDBF frequency domain beamformer passive 68]
high resolution frequency-wavenumber
HFK passive [27]
transform
Spatial Autocorrelation Coefficient
SPAC passive [26]
method
MSPAC Modified SPAC passive [69]
three component high-resolution f-k [66,
3C+WD passive 70]
analysis and wave field decomposition
SPAC spectra computed from smoothed
SPAC_directFit* passive [62]
coherency-frequency spectra
FB* Fourier-Bessel expansion coefficients active [63]
ellipiticity of Rayleigh waves from the
Ellipticity* passive [65]
noise recordings
* La curva de dispersión experimental no se considera explícitamente en el enfoque.
Dado que los datos activos y pasivos proporcionan información sobre la propagación de ondas
de superficie en diferentes bandas de frecuencia, es posible combinar las ramas de la curva de
dispersión para restringir mejor el resultado final.
2.3 Inversion
El perfil VS se obtiene resolviendo un problema inverso. La parametrización se basa en la suposición de un
modelo de capas 1D local que consiste en una pila de capas elásticas lineales homogéneas en un medio
espacio. Cada capa se caracteriza por su grosor (excepto el medio espacio), la densidad y dos propiedades
elásticas: la velocidad de la onda S y un parámetro que debe elegirse entre la velocidad de la onda P y la
relación de Poisson. La dispersión de las ondas superficiales depende en gran medida de la rigidez al corte
del subsuelo, menos de la rigidez aparente y de la densidad de manera insignificante. Por lo tanto, la
velocidad de la onda P (o la relación de Poisson) y la densidad a menudo se asumen como parámetros
conocidos a priori, que se seleccionan sobre la base de la información disponible en el sitio [71, 36] o se
pueden recuperar de los datos experimentales disponibles si se adquiere oportunamente Por ejemplo, en el
proyecto InterPACIFC los datos activos fueron adquiridos para permitir el análisis de refracción (ver párrafo
2.1). Este problema se consideró particularmente importante para permitir a los equipos estimar la posición
del nivel freático a partir de la refracción de las ondas P, ya que esta información es de suma importancia
para establecer valores a priori del parámetro del modelo que no se consideran como incógnitas en la
inversión ( densidad y relación de Poisson de cada capa) [72]. Por lo tanto, los parámetros desconocidos del
modelo de interés primario son el grosor y el VS de cada capa. Una vez que se ha parametrizado un modelo
inicial, la inversión consiste en encontrar los modelos finales cuya curva de dispersión teórica se ajuste a la
experimental.
El problema inverso de la onda de superficie está matemáticamente mal planteado y se ve afectado por la no
unicidad de la solución [73]. De hecho, varios perfiles que dan curvas de dispersión teórica que se ajustan a
los datos experimentales pueden ser identificado [74, 21, 75, 25]. Además de este problema de no unicidad,
la mala interpretación en la identificación de los modos de curva de dispersión (modo fundamental o modos
superiores) puede sesgar los resultados (por ejemplo, [76, 77, 15]). La no unicidad y los errores en la
identificación de los modos de superficie son probablemente la principal causa de dudas sobre la capacidad
de los métodos de ondas de superficie para recuperar un modelo realista del sitio [9]. Muchos autores han
sugerido diferentes estrategias para la inversión de datos de ondas de superficie. Algunos autores aplicaron
métodos estocásticos (por ejemplo, [78-80, 37] entre otros), algunos adoptaron métodos deterministas
como el algoritmo de mínimos cuadrados (por ejemplo, [35, 36, 81]), mientras que otros se centraron en el
modo múltiple, modo efectivo o inversión conjunta de las curvas de dispersión de onda de Rayleigh y Love
para restringir mejor la solución (por ejemplo, [82, 49, 83, 20, 84, 67, 85]).
Se han propuesto otros enfoques para recuperar la velocidad de la onda S del análisis de ondas de superficie
que no requieren una curva de dispersión experimental. Forbriger [63, 76] propuso un método basado en
una transformación de campo de onda. En este método, los coeficientes de expansión de Fourier-Bessel se
calculan para los datos registrados y luego estos coeficientes se invierten conjuntamente con los tiempos de
llegada de la onda P para recuperar la distribución de velocidad de la onda S y P del subsuelo.
El método de ajuste directo SPAC [86, 87, 62] tampoco requiere la curva de dispersión. Este método se basa
en espectros SPAC calculados a partir de espectros de frecuencia de coherencia suavizados. Los parámetros
del modelo se recuperan minimizando el error entre las curvas de frecuencia de coherencia experimental y
modelo adoptando una norma L2.
Los datos pasivos recopilados con receptores de 3 componentes también se pueden utilizar para obtener
una estimación de la frecuencia natural del sitio. En particular, la frecuencia de los máximos de la relación
espectral horizontal a vertical (HVSR) puede proporcionar una interpretación rápida y confiable a este
respecto [88, 89]. La frecuencia asociada al pico de las curvas HVSR puede indicar la resonancia del modelo
de subsuelo, y muchos autores relacionaron la curva HVSR con la elipticidad de las ondas de Rayleigh [64-67,
85]. La consistencia entre la frecuencia natural estimada a partir del HVSR y el perfil de velocidad de onda
cortante puede considerarse información valiosa para mejorar la confiabilidad del modelo. Las inversiones
conjuntas de la curva de dispersión de onda de Rayleigh y HVSR se informan en la literatura y proporcionan
mejores restricciones en el perfil VS, especialmente para la posición de las principales interfaces
estratigráficas como la profundidad hasta la roca madre [49, 81].
En particular, en este proyecto se adoptaron varios algoritmos, tanto estocásticos como deterministas, para
construir el perfil VS. En la Tabla 3 se informa una lista de los métodos y las referencias relativas.
Table 3 - Lista de algoritmos adoptados para resolver el problema inverso.
Label Algorithm References
NA Neighborhood Algorithm [38]
MC Monte Carlo method [37, 39]
GA Genetic Algorithm [90, 34]
Simulated Annealing and
SA-GA genetic algorithm in an hybrid [91]
heuristic search method
non-linearized least-squares
NLS [92]
algorithm
Linearized Least Square and
LLS_EYE [62, 40, 76]
trial and error procedure
EYE Trial and error procedure
3 Resultados
Se comparan las "mejores estimaciones" en términos de curvas de dispersión y resultados Vs

proporcionados por todos los equipos, teniendo en cuenta las diferentes opciones de análisis y conjunto de
datos. Vale la pena mencionar que no se proporcionó información a priori sobre las capas subterráneas o el
nivel freático a los equipos.
A continuación, se proporciona una breve descripción de la geología en cada sitio junto con los resultados
principales y algunas comparaciones relevantes. Las comparaciones de los resultados tienen en cuenta: el
conjunto de datos sísmicos que se procesó; el tipo de onda de superficie (Rayleigh y / o Love, indicada como
R y L, respectivamente) y el modo de propagación (indicado como 0 para el modo fundamental y número
creciente para los modos más altos, y E para el modo efectivo / aparente); el método que se adoptó para
recuperar la curva de dispersión (de acuerdo con la Tabla 2); el método de búsqueda / optimización
adoptado en la inversión (de acuerdo con la Tabla 3); y si se introdujo información adicional que puede ser
recuperada por los datos (p. ej., nivel freático, ellepticidad, etc.)..
Investigamos en este artículo también la relación entre la longitud de onda recuperada (Y la estimada VS
profile.  Lambda proporciona información sobre el rango de profundidad de la investigación. En particular,
la profundidad investigada a menudo se supone aproximadamente igual a to  cuando el modo
fundamental de la onda de Rayleigh se considera dominante en la inversión [93]. Una buena práctica al
interpretar los datos de la curva de dispersión recomienda la profundidad máxima investigada (dmax) no
debe ser mayor que aproximadamente la mitad de la longitud de onda máxima recuperada (i.e., dmax <
max/2), según lo dictado por la necesidad de información suficiente para restringir la solución. Un enfoque
más conservador, y posiblemente una mejor práctica, sería limitar la profundidad máxima del perfil
velocidad a max/3. Por el contrario, a profundidades muy bajas, el espesor mínimo de la primera capa
(hmin) que puede definirse idealmente no debe ser inferior a 1/3 de la longitud de onda mínima recuperada
(i.e., hmin < min/3), si solo se usa el modo fundamental de las ondas de Rayleigh en la inversión. Un enfoque
más conservador, y posiblemente una mejor práctica, sería hmin < min/2.
El uso de modos superiores de ondas Rayleigh y Love y la elipticidad de onda Rayleigh puede ayudar a
mitigar estas limitaciones. En presencia de un gran contraste de impedancia, la profundidad máxima de
investigación puede ser significativamente pobre, si no se utiliza una restricción adicional para la inversión,
como la función de polarización HVSR. Cuando la curva de dispersión se complementa con la interpretación
de los datos HVSR, entonces las frecuencias de máximos en el HVSR pueden permitir el uso de longitudes de
onda más largas y la estimación del perfil VS a profundidades mayores que las definidas por las reglas
anteriores (ver ejemplos en [40, 92] )
Cada equipo indicó la profundidad investigada con la presentación de sus propios resultados. Esta es una
elección subjetiva de cada analista sobre la base de la información disponible, las estrategias de inversión, la
experiencia previa, etc.
Los resultados proporcionados por los equipos se compararon también en términos de VS,Z i.e. velocidad de
onda cortante promedio en el tiempo en los z metros más altos de acuerdo con:
en el que N es el número de capas utilizadas para la discretización del modelo desde la superficie hasta z y Hi
y VS,i son el espesor y la velocidad de la onda de corte para cada capa i, respectivamente . El valor para
z=30m es de VS,30. Además VS,Z puede usarse para comparar la amplificación esperada del sitio para dos
perfiles diferentes de velocidad de onda cortante [95].
Además, la variabilidad de los resultados se evalúa a través de la estimación del coeficiente de variación
(CoV) de la velocidad de fase en función de la profundidad. Este parámetro se calcula como la relación entre
la desviación estándar sobre el valor medio de la población de resultados.
3.1 Mirandola
La geología del sitio de Mirandola consiste en depósitos aluviales con horizontes arenosos y capas arcillosas
limosas, que se superponen a una capa más rígida de depósitos marinos y de roca en transición de la edad
del Pleistoceno medio-bajo a una profundidad entre 50 y 150 m del suelo. El sitio es plano y es bastante
tranquilo, al estar al borde de una zona residencial, sin instalaciones ruidosas. Los conjuntos de datos
sísmicos, adquiridos de acuerdo con las matrices mostradas en la Figura 2, se detallan en la Tabla 4.
Figure 2 – Mirandola: mapas de las matrices. Izquierda) toda el área interesada por la adquisición. Derecha) vista
de primer plano de la zona. No se muestra la matriz triangular más grande.
Table 4 - Mirandola: datasets. T= Ventana de tiempo , T = muestreo de tiempo

label Num.
Dataset Time sampling Space sampling
Channels
AV1 Active (vertical) 48 T = 2s, T= 0.25 ms Receiver spacing = 1 m
AH Active (horizontal) 24 T = 2s, T= 0.25 ms Receiver spacing = 2 m
PC1 Passive Circular 15 T = 01:00:00 T= 5 ms Radii = 5 and 15 m
PT Passive Triangular 16 T = 01:29:00 T= 5 ms Sides = 12.5, 25, 50, 100, and 200 m
PT2 Passive Large
10 T = 03:24:30 T= 5 ms Sides = 4000, 2000, 1000 m
Triangular
PL Passive L-Shape 13 T = 00:59:30 T= 5 ms Distances = 5, 10, 30, 60, 100, and 150 m
Todos los equipos analizaron el modo fundamental de la onda de Rayleigh, algunos equipos también
analizaron los modos más altos o el modo efectivo, mientras que otros incluyeron el análisis de la onda Love
(Tabla 5). Otra opción popular fue la combinación de la información recuperada de los conjuntos de datos
sísmicos activos y pasivos, como se informa en la Tabla 5. Los datos de dispersión de onda de Rayleigh de
modo más bajo obtenidos por cada equipo (se presume que es un modo fundamental o un modo efectivo)
se comparan en Figura 3 (arriba). La mayoría de los analistas obtuvieron estimaciones de dispersión de onda
de Rayleigh dentro de una banda de frecuencia de aproximadamente 1 - 20 Hz (Figura 4). Las estimaciones
de dispersión dentro de este ancho de banda generalmente coinciden muy bien, caracterizándose por un
coeficiente de variación (CoV) típicamente entre 5% - 10% (Figura 3, abajo). Los valores de CoV comienzan a
subir rápidamente a frecuencias cada vez más altas. Para la banda de alta frecuencia, es probable que esta
observación esté asociada a la variabilidad lateral en la parte muy poco profunda del depósito, mientras que
en la banda de baja frecuencia las estimaciones se acercan al límite de la frecuencia resoluble que explica la
geometría de la matriz y la calidad de los datos. Los valores de CoV no se estimaron para frecuencias con
resultados de menos de 5 analistas.
Table 5 - Mirandola: algoritmo de estrategia adoptado para cada equipo

Surface Dispersion
Additional Inversion
ID Team dataset wave Analysis Software
information algorithm
mode processing
1 MU PC1, PC3, PT, PT2 RE HVSR SPAC_directFit LLS_EYE Mmspacfit
2 CE PT R0 HVSR SPAC+FK NA Geopsy
PC1, PC2, PC3,
3 IST1 R0 R1, L0 ellipticity FK NA Geopsy
PC4, PC5
AV1, AV2, AH,
4 UT PC1, PC2, PC3, R0, R1, L0 SPAC + FDBF NA Geopsy
PC4, PC5, PT, PL
AV1, AV2, AH,
PC1, PC2, PC3,
5 INGV PC4, PC5, PT, PT2, R0, L0, L1 HVSR FK NA Geopsy
PL
Germlin
6 BFO AV1, AV2, AH R0, R1, R2 FB LLS_EYE
(In-house)
AV2, PC1, PC5,
7 Geom RE HVSR PS GA Seisimager
PT2
PC1, PC2, PC3, R0
8 IST2 HVSR FK NA Geopsy
PC4, PC5
PC1, PC2, PC4, R0
9 KU SPAC EYE In-house
PC5, PT, PT2
10 TT PT R0 SPAC SA-GA In-house
AV1, AV2, PC1, Water table
R0 Seisimager;
11 GV PC2, PC3, PC4, (refraction SPAC + PS NLS
WinSASW
PC5 analysis)
PC1, PC2, PC3, R0, R1, R3, In-house;
12 SED ellipticity 3C+WD NA
PC4 R4, L0, L1 Dinver
13 PU R0 SPAC NA Geopsy
AV1, AV2, PC3,
14 PT R0 FK + FDBF MC in-house
PC4
La lambda de frecuencia (Figura 4) es más amplia para aquellos que combinaron datos activos y pasivos,
mientras que es ligeramente más estrecha para aquellos que confiaron exclusivamente en datos activos o
pasivos. La banda de frecuencia recuperada con datos pasivos se centra en valores más bajos.
Figura 3 -Mirandola: arriba) modo fundamental de las curvas de dispersión de onda de Rayleigh. abajo)
número de analista y CoV.
Figure 4 -Mirandola: Banda de frecuencia asociada con la curva dispersiva recuperada
de la interpretación del modelo terrestre
La Figura 5 (500 m superiores) y la Figura 6 (150 m superiores) muestran los perfiles VS y el tiempo promedio
perfiles VS (VS,Z) obtenido por los equipos mediante la adopción del método de búsqueda / optimización que
se informa en la Tabla 5. También se proporcionan los valores de CoV y el número de analistas para una
profundidad determinada. Considerando los primeros 90 m, que es una profundidad significativa para la
mayoría de los proyectos de caracterización del sitio, el acuerdo es muy bueno, con valores de CoV
típicamente alrededor de 0.1. Teniendo en cuenta que los equipos no tenían información a priori para
restringir aún más la inversión, estos resultados son bastante notables. Sin embargo, el acuerdo entre
analistas no es muy bueno en profundidad
mayor de aproximadamente 100 m, donde los valores de CoV basados en el estándar en capas VS perfile
consistentemente exceder 0.5. Curiosamente, los valores de CoV basados en el suave VS,Z los perfiles
permanecen a menos de 0.2 claros hasta 500 m En la figura de la vista de primer plano (Figura 6 a), es
posible notar que los resultados coinciden entre sí hasta aproximadamente entre 85 y 140 m de
profundidad, donde se espera una interfaz fuerte, pero esta característica no era única. identificado por
todos los equipos. Esta es la razón del alto valor de CoV en dicho rango de profundidad (Figura 6 c). Más
profundo que esta interfaz, los resultados muestran principalmente dos tendencias: una en 700 m/s Y una
segunda en 1250 m/s.
Figura 5 - (a) Perfiles de velocidad de onda de corte (VS) , (b) VS,Z promediados en el tiempo, perfiles Z, (c) valores
CoV (VS) y CoV (VS, Z), y (d) número de perfiles.
Figure 6 - Vista de primer plano de los 150 m superiores de la figura 5.
Figure 7 izquierda muestra la relación entre min y el grosor de la primera capa, mientras que la Figura 7 a
la derecha muestra la relación entre max y máxima profundidad investigada. La mayoría de los resultados
están de acuerdo con las recomendaciones de buenas prácticas antes mencionadas y muy pocos puntos
caen en el área "no recomendada". Es importante resaltar que aquí analizamos solo la longitud de onda del
modo fundamental de Rayleigh y aquellos analistas que violaron los criterios han suministrado información
en profundidad con otro tipo de información (es decir, frecuencia HVSR, elipticidad de onda de Rayleigh).
Figure 7 – Mirandola: izquierda) grosor de la primera capa en función de la longitud de onda mínima recuperada.
Derecha) profundidad máxima investigada en función de la longitud de onda máxima recuperada. En gris, la parte
"no recomendada" del dominio.
3.2 Grenoble
El sitio de Grenoble fue elegido como representante de una clase de suelo rígido ya que se caracteriza por
materiales aluviales recientes a unos diez metros de la superficie que recubre un depósito de clayley-marly
cuaternario. Se espera una roca madre mesozoica a varios cientos de metros de profundidad, es decir,
entre 500 y 800 m de profundidad [43]. En este sitio no se observa variabilidad topográfica. El sitio se
encuentra en una zona altamente industrializada de Grenoble (Francia). Además, dos autopistas con mucho
tráfico y dos ríos (Isere y Drac) están cerca del sitio. En este sitio se espera una capa de baja velocidad, de
aproximadamente 10 m de espesor, a unos 25 m de profundidad, pero dicha información no se
proporcionó a los equipos.
Aquí los conjuntos de datos informados en la Tabla 6 y de acuerdo con la matriz mostrada en la Figura 8,
fueron adquiridos y los equipos procesaron los datos adoptando las estrategias informadas en la Tabla 7.
Figure 8 - Grenoble: Mapa de las matrices. Izquierda) toda el área interesada por la adquisición. Derecha) vista de
primer plano de la zona.
Table 6 - Grenoble – datasets. T= time window, T = time sampling
Label Num.
Dataset Time sampling Space sampling
Channels
AV2 Active (vertical) 48 T = 2s, T= 0.25 ms Receiver spacing = 1.5 m
PC1 Passive Circular 15 T=01:37:00 T= 5 ms Radii = 5 and 15 m
PT Passive Triangular 16 T=01:55:30 T= 5 ms Side = 18.75, 37.5, 75, 150 and 300 m
PL Passive L_Shape 13 T=01:07:00 T= 5 ms Distances = 5, 10, 30, 60, 100, and 150 m
Table 7 – Grenoble: algoritmo de procesamiento e inversión adoptado para cada equipo
Surface Additional Dispersion curve Inversion
ID Team dataset Software
wave mode information processing algorithm
1 MU PC4, PT RE HVSR SPAC_directFit LLS_EYE Mmspacfit
2 CE PC5 R0 HVSR SPAC + FK NA Geopsy
AV2, PC1, PC2,
3 IST1 R0 HVSR SPAC + FK NA Geopsy
PC3, PC4
AV1, AV2, PC1,
4 UT PC2, PC3, PC4, R0, R1 SPAC + FDBF NA Geopsy
PC5, PT, PL
AV1, AV2, PC1,
5 INGV PC2, PC3, PC4, R0 HVSR FK NA Geopsy
PC5, PT, PL
AV2, PC2, PC4,
7 Geom RE HVSR SPAC + PS GA Seisimager
PC5, PT
AV1, AV2, PC1,
8 IST2 PC2, PC3, PC4, R0 HVSR SPAC + FK NA Geopsy
PC5
PC1, PC2, PC3, R0
9 KU SPAC EYE In-house
PC4, PC5, PT
10 TT PT R0 SPAC SA-GA In-house
AV2, PC1, PC2, R0 Seisimager;
11 GV SPAC + PS NLS
PC3, PC4, PC5 WinSASW
PC1, PC2, PC3, R0, R1, L0, In-house;
12 SED ellipticity 3C+WD NA
PC4, PC5 L1, L2 Dinver
14 PT AV2, PC2 R0 FK + FDBF MC In-house
La Figura 9 (arriba) muestra el modo más bajo (se presume que es un modo fundamental o un modo
efectivo) de los datos de dispersión de onda de Rayleigh obtenidos por cada equipo. La mayoría de los
analistas obtuvieron estimaciones de dispersión de onda de Rayleigh entre frecuencias de
aproximadamente 0.7 - 50 Hz. Las estimaciones de dispersión dentro de este ancho de banda
concuerdan muy bien, caracterizándose por un coeficiente de variación (CoV) típicamente inferior al 5%
(Figura 9, abajo). Los valores de CoV no se estimaron para frecuencias con resultados de menos de 5
analistas. Los valores de CoV comienzan a subir rápidamente a altas frecuencias, probablemente debido
a la variación lateral. De hecho, se observó cierta variabilidad lateral cercana a la superficie en el sitio
cuando se procesaron los datos de la fuente activa de las dos matrices lineales cercanas cercanas
(distancia de centro a centro igual a aproximadamente 100 m). Esto es consistente con la geología local
caracterizada por depósitos aluviales recientes con materiales gruesos en los medidores superiores.
También observamos que todos los equipos proporcionaron curvas de dispersión que pudieron
identificar una tendencia inversa (zona de velocidad de fase baja / plana localizada) en el rango de
frecuencia de 2-10 Hz (Figura 9, arriba). Esta tendencia inversa en la velocidad de fase es característica de
una capa de baja velocidad debajo de una capa o capas más rígidas cerca de la superficie. Esta
información no se comunicó a los participantes, pero la mayoría de los analistas reconocieron la
conveniencia de incluir una capa de baja velocidad para modelar con precisión el sitio.
La elección de analizar los datos activos y pasivos fue la más popular en este sitio, mientras que algunos
equipos decidieron analizar solo los datos pasivos y ninguno analizó solo los datos activos (Tabla 7). El
análisis de los datos activos y pasivos permite una banda de frecuencia más amplia (Figura 10) que la de
aquellos equipos que analizaron solo datos pasivos, centrándose más en la frecuencia más baja y, por lo
tanto, descuidando los más altos. recuperar datos de dispersión de alta frecuencia / longitud de onda corta
es importante para resolver capas cercanas a la superficie que pueden ser relevantes para fines de
ingeniería geotécnica.
Figure 9 – Grenoble: arriba) modo fundamental de las curvas de dispersión de onda de Rayleigh. abajo) número de
analistas y COV.
Figure 10 - banda de frecuencia asociada con la curva dispersiva recuperada o la interpretación del modelo de tierra
La Figura 11 (800 m superiores) y la Figura 12 (150 m superiores) muestran el VS (Figura 11 a, y figura 12 a)

y la VS,Z (Figure 11 b, and Figure 12 b) perfiles obtenidos por los equipos al adoptar el método de búsqueda
/ optimización que se informa en la Tabla 7. También se proporcionan los valores de CoV y el número de
analistas para una profundidad dada (Figura 11 y Figura 12, paneles cyd). Teniendo en cuenta los primeros
130 m, que es una profundidad significativa para la mayoría de los proyectos de caracterización del sitio, el
acuerdo es una vez más bastante bueno, con valores de CoV típicamente alrededor de 0.15 o menos.
Además, los valores de CoV ligeramente más altos en los 20 m superiores se deben principalmente a un
único perfil de V que es significativamente diferente de los demás. El acuerdo entre analistas se pierde a
profundidades superiores a unos 200 m, donde los valores de CoV se basan en el estándar en capas. Vs s
perfiles superan consistentemente 0.4. Curiosamente, los valores de CoV basados en el suave VS,Z los
perfiles raramente exceden 0.1 claro hasta 800 m. En la figura de la vista de primer plano (Figura 12a), es
posible notar que algunos analistas (aproximadamente el 50%) intentaron resolver una capa de baja
velocidad en algún lugar entre 20 y 50 m debajo de la superficie. Si bien existe un LVL en el perfil del suelo
(como se encontró en las pruebas invasivas, ver [41]), los analistas no pudieron resolver de manera única su
profundidad y espesor.
Figure 11 - Grenoble: - (a) Perfiles de velocidad de onda cortante, (b) promediados en el tiempo VS (VS,Z)
perfile, (c) CoV(Vs) and CoV(VS,Z) valores , y (d) número de perfiles.
Figure 12 – Vista de primer plano de los 150 m superiores de la Figura 11
Las relaciones entre la longitud de onda experimental mínima / máxima y el grosor de la primera capa /
profundidad máxima se informan en la Figura 13. Como se observó en Mirandola, algunos resultados caen
en el área "no recomendada" para la profundidad máxima (Figura 13, derecha ) Estos resultados
proporcionaron la falta de baja frecuencia del modo fundamental con otra información adicional como
HVSR y elipticidad. En lo que respecta a la definición del grosor de la primera capa (Figura 13, izquierda), el
25% de los equipos recuperaron un grosor mucho más pequeño que la longitud de onda experimental
mínima, lo que resulta en la falta de restricciones en los parámetros para la primera capa.
Figure 13 – Grenoble: izquierda) grosor de la primera capa en función de la longitud de onda mínima recuperada.
3.3 Cadarache
El sitio se encuentra en el área del centro de investigación CEA (Commissariat à l'Énergie Atomique et aux
Énergies Alternatives) Cadarache en el municipio de Saint-Paul-lez-Durance, en el sureste de Francia. Se
encuentra en una zona plana en la cima de una pequeña colina. Una piedra caliza cretácea está aflorando
en los alrededores del sitio de prueba. A pesar de estar en un área industrial, la densidad de las
instalaciones alrededor del sitio es bastante baja.
Los conjuntos de datos informados en la Tabla 8 se adquirieron de acuerdo con las matrices mostradas en
la Figura 14, y los equipos procesaron los datos adoptando las estrategias informadas en la Tabla 9.
Figure 14 - Cadarache: Mapa de las matrices. Izquierda) toda el área interesada por la adquisición. Derecha) vista
de primer plano de la zona. No se muestra la matriz triangular más grande.
Table 8 - Cadarache: datasets. T= time window, T = time sampling

Table 9 - Cadarache: algoritmo de procesamiento e inversión adoptado para ca da equipo
En la Figura 15 (arriba) se muestran los datos de dispersión de onda de Rayleigh en modo más bajo
obtenidos por cada equipo (se presume que es un modo fundamental o un modo efectivo). Muchos
analistas obtuvieron estimaciones de dispersión de onda de Rayleigh entre frecuencias de
aproximadamente 0.7 - 100 Hz (Figura 15, abajo). Sin embargo, las estimaciones de dispersión solo
concuerdan bien en frecuencias inferiores a aproximadamente 30 Hz, caracterizadas por valores de CoV
inferiores a aproximadamente 10%. Los valores de CoV en frecuencias superiores a 30 Hz suben
rápidamente, alcanzando el 30%. Está claro que los datos de alta frecuencia / longitud de onda corta eran
de baja calidad. Este fue sin duda el resultado de la variabilidad lateral / fractura local y patrones de
meteorización en la masa rocosa cercana a la superficie. Si bien los valores de CoV no se estimaron para
frecuencias con resultados de menos de 5 analistas, las estimaciones de dispersión de baja frecuencia
todavía están en notable acuerdo entre 0.3 y 0.7 Hz. Rara vez se observa este aplanamiento de la tendencia
de dispersión a bajas frecuencias, pero le permite al analista una estimación mucho más segura de la
velocidad de la roca del medio espacio / sótano (es decir, aproximadamente 2500 m / s).
Algunos equipos pudieron identificar modos superiores, mientras que otros no. También en este sitio, la
opción de analizar los datos activos y pasivos fue la más popular, pocos equipos usaron solo datos pasivos y
solo un equipo (14-PT) decidió analizar solo los datos activos. El análisis de los datos activos y pasivos
permite una banda de frecuencia más amplia (Figura 16), lo que es beneficioso en términos de resolución
cercana a la superficie y máxima profundidad de investigación.
Figure 15 - Cadarache: arriba) modo fundamental de las curvas de dispersión de onda de Rayleigh. abajo) número
de analista y COV.
Figure 16 - Cadarache: Banda de frecuencia asociada con la curva dispersiva recuperada de la interpretación del
modelo terrestre
La Figura 17 (500 m superiores) y la Figura 18 (100 m superiores) muestran el VS (a panels) y el VS,Z perfiles
(paneles b) obtenidos por los equipos mediante la adopción del método de búsqueda / optimización que se
informa en la Tabla 9. También se proporcionan los valores de CoV y el número de analistas para una
profundidad dada (paneles c y d, respectivamente). En lo que respecta al CoV de VS, estos valores en los 20
m superiores son considerablemente mayores, mientras que finalmente se estabilizan en un valor de 0.1 o
menos para la mayoría del perfil de 500 m. De hecho, los valores de CoV cerca de la superficie son tan altos
como 0.5. Esta es una consecuencia directa de la significativa incertidumbre en los datos de dispersión de
alta frecuencia que se muestran en la Figura 15, que probablemente fue el resultado de la variabilidad
lateral / fractura local y patrones de meteorización en la masa rocosa cercana a la superficie. A la inversa de
los otros dos sitios, es interesante observar que el CoV of VS,Z tiene la misma tendencia de VS. Por lo tanto,
los equipos no pudieron identificar una profundidad única para el lecho de roca poco profundo y duro (i.e.,
VS > 2000 m/s).
Figure 17 - Cadarache(a) Perfiles de velocidad de onda cortante, (b) promediados en el tiempo VS (VS,Z) perfile, (c)
CoV(Vs) and CoV(VS,Z) valores , y (d) número de perfiles.
Figure 18 - Cadarache: Vista de primer plano de la Figura 17.

En lo que respecta al análisis de la longitud de onda recuperada (Figura 19), pueden extraerse comentarios
similares de los reportados para los otros dos sitios. La mayoría de los equipos definieron el modelo VS
hasta una profundidad consistente con el criterio más restrictivo con respecto a la longitud de onda
máxima (Figura 19, derecha). Además, el grosor de la primera capa suele ser consistente con las
recomendaciones de buenas prácticas, incluso si algunos equipos están ligeramente fuera del umbral
recomendado (Figura 19, izquierda)
Figure 19 - Cadarache: izquierda) grosor de la primera capa en función de la longitud de onda mínima recuperada.
3.4 Variabilidad de los resultados.

La variabilidad de las mejores estimaciones observadas entre los participantes probablemente se deba a
una (o muchas) de las siguientes razones:
• diferencia en los datos experimentales interpretados (rango de frecuencia, ondas de Rayleigh / Love,
modos fundamentales / superiores),
• no unicidad de la inversión que puede conducir a varias mejores estimaciones diferentes de VS (aquí
solo se tiene en cuenta una de las mejores estimaciones para cada participante en la comparación),
• diferentes opciones para la parametrización de la inversión (es decir, número de capas),
• uso de información / datos adicionales (profundidad de la capa freática, frecuencia de resonancia HVSR,
espectros de amplitud de Fourier, elipticidad, etc.)
Para cuantificar la variabilidad de los resultados obtenidos en tres condiciones diferentes del subsuelo,
comparamos el CoV de VS obtenido en los tres sitios como se muestra en la Figura 20. Para los tres sitios,
el CoV es mayor en esas partes de los modelos en el que era difícil reconocer algunas características
específicas (por ejemplo, interfaces entre capas). En la parte poco profunda, Cadarache muestra un mayor
valor de la relación que los otros sitios, pero luego el valor se establece alrededor de 0.06 y permanece
constante. Esta observación refleja la variabilidad que observamos en los resultados relacionados con la
identificación de la zona poco profunda en la que hay una transición entre roca alterada y competente. Es
probable que esta variabilidad también esté asociada a posibles variaciones laterales en la zona de
alteración y al uso de diferentes subconjuntos de datos experimentales disponibles para estimar la curva
de dispersión. En Grenoble, la relación de velocidad permanece en promedio constante para toda la
profundidad investigada, con algunas diferencias locales asociadas a la transición entre diferentes
materiales. En Mirandola, el CoV asume un valor alto (alrededor de 0.3) cerca de la superficie del suelo, lo
que refleja la falta de
resolución debido a la parametrización adoptada y / o la banda de frecuencia limitada de la curva de

dispersión para algunos equipos. Se obtienen valores bajos de la relación de velocidad para profundidades
intermedias, con un aumento local de alrededor de 25 m donde se ubica una interfaz estratigráfica según
las evidencias en los registros de pozos en el sitio. Luego, la variabilidad aumenta abruptamente cuando se
acerca a la posición del lecho de roca que, según los registros del pozo (véase el documento
complementario [41]), se encuentra a unos 110 m de profundidad.
Algunos equipos utilizaron información del HVSR para verificar o restringir la posición de la roca madre. La
Figura 21 informa una comparación entre sus mejores estimaciones de VS y las de equipos que no
tuvieron en cuenta HVSR para el sitio de Mirandola. Aparentemente, se logra una mejor definición de la
posición del lecho de roca a aproximadamente 110 m cuando se tiene en cuenta la información de HVSR,
incluso si esta ventaja no se refleja en una variabilidad reducida en los valores de VS del lecho de roca
Figure 20 – CoV (izquierda) y el número de analistas (derecha) relacionados con los resultados en los tres sitios.
Figure 21 – La comparación entre los perfiles de velocidad de onda de corte para el sitio de Mirandola (MIR)
obtuvo la contabilidad de la información recuperada del HVSR (en rojo) y otros perfiles (en gris).
Como el VS,30 se adopta como un parámetro de referencia para la clasificación del suelo en los códigos de
construcción y para el desarrollo de Ecuaciones de Predicción de Movimiento de Tierra empíricas (GMPE),
es relevante evaluar su variabilidad observada en el conjunto de resultados disponibles para los tres sitios.
No se presentó ninguna solicitud específica para estimar VS,30 a los participantes, por lo tanto, sus análisis
podrían no haber sido diseñados para obtener una estimación precisa (por ejemplo, prestando especial
atención a la resolución en la zona cercana a la superficie del suelo).
Además de la evaluación formal para cualquier perfil VS dado de acuerdo con la ecuación 1 para z = 30 m,
VS,30 también puede estimarse directamente a partir de la curva de dispersión propuesta por Brown et al.
[96] según la ecuación:
En la cual VR,36 es la velocidad de fase experimental del modo fundamental de onda de Rayleigh para  =
36 m
En la Tabla 10 comparamos el VS,30 calculado a partir de los perfiles VS (Inv) de acuerdo con la ecuación 1
para z = 30, con el VS,30 calculado directamente a partir de la curva de dispersión (dc) de acuerdo con la
ecuación 2. Tales resultados se informan en términos de valor medio, desviación estándar (estándar),
coeficiente de variación (CoV). En base a este parámetro, los resultados de Cadarache muestran una
mayor variabilidad, pero este parámetro no es tan significativo ya que la población no es tan numerosa
(no más de 9 muestras). Por lo tanto, informamos también la relación entre los valores máximos y
mínimos de cada población de resultados. Para los tres sitios, y por lo tanto tres condiciones diferentes del
subsuelo, se observa casi la misma variabilidad de los resultados. También es interesante observar que el
VS, 30 calculado directamente a partir de la curva de dispersión, está muy cerca del calculado a partir del
perfil de VS invertido y muestra una variabilidad muy baja como observamos en las curvas de dispersión.
Tabla 10 - Algunas estadísticas sobre VS,30: el valor medio, la desviación estándar (estándar), el coeficiente de
variación (CoV) y la relación entre los valores máximo y mínimo de cada grupo de resultados. Tanto los resultados
calculados a partir del perfil Vs (Inv) como de una estimación directa a partir de la curva de dispersión (dc) de
acuerdo con Brown et al. (2000) se informan
4 Discusión
La mayoría de los equipos, en los tres sitios, analizaron el modo fundamental de Rayleigh y los métodos de
procesamiento más populares se basaron en SPAC (preferido para los datos pasivos) y el análisis f-k. A
pesar de las diferentes estrategias, las curvas de dispersión están muy de acuerdo entre sí en los tres sitios,
lo que significa en tres condiciones muy diferentes del subsuelo. Esta observación confirma la robustez y
precisión en la estimación de la curva de dispersión experimental, que también se observó en análisis
comparativos previos (por ejemplo, [15, 16]). Los valores más altos del coeficiente de variación de las
curvas de dispersión a altas frecuencias reflejan la variabilidad lateral que a menudo se observa en
diferentes entornos geológicos en las capas poco profundas.
La banda de frecuencia recuperada por cada grupo difiere entre sí y depende del conjunto de datos
sísmicos que analizaron. Como es de esperar, los datos activos proporcionan más información a alta
frecuencia y, por lo tanto, son más adecuados para la caracterización de la capa muy superficial, mientras
que los pasivos son más a baja frecuencia y, por lo tanto, son mejores para la caracterización profunda. Sin
embargo, la combinación de la información de los datos activos y pasivos permite recuperar la curva de
dispersión en una banda de frecuencia más amplia, proporcionando una mejor restricción para el modelo
tanto en las porciones superficiales como en las profundas. Además, la información sobre la longitud de
onda recuperada nos da una idea aproximada de la consistencia del modelo final. Si solo el modo
fundamental de onda de Rayleigh, la longitud de onda máxima nos proporciona la profundidad máxima a la
que consideramos confiable el modelo final, mientras que la longitud de onda mínima es la resolución
máxima capaz de recuperar. El espesor de la capa cercana a la superficie también debe cumplir con las
condiciones típicas del sitio. De hecho, las capas gruesas y uniformes cercanas a la superficie rara vez
existen en la naturaleza. Se necesita una mayor resolución de la parte poco profunda del modelo para fines
de ingeniería geotécnica (por ejemplo, respuesta del sitio o evaluación de licuefacción del suelo). Dicha
resolución se logra generalmente cuando se analizan los datos activos. Cuando se usan solo datos pasivos,
generalmente se observa una falta de información de alta frecuencia, por lo que es necesario el uso de una
capa de superficie grande (poco realista pero representativa de las condiciones promedio). En caso de falta
de restricciones directas, la introducción de capas demasiado pequeñas solo generaría resultados sesgados.
La mayoría de los equipos siguieron las recomendaciones típicas de buenas prácticas, que relacionan el
grosor de las capas poco profundas y la profundidad de la investigación con las longitudes de onda
recuperadas en la curva de dispersión experimental. Algunos analistas pudieron alcanzar una frecuencia
inferior a la frecuencia mínima del modo fundamental de onda de Rayleigh gracias a la introducción de
información adicional, como la elipticidad y el HVSR. La consistencia entre la frecuencia natural estimada a
partir del HVSR y el perfil de velocidad de onda de corte puede considerarse información valiosa para
mejorar la confiabilidad del modelo, un resultado que refuerza los hallazgos anteriores de Arai y Tokimatsu
[49], Hayashi et al. [94], Ikeda y col. [97] y Asten et al. [40]
Algunos equipos limitaron las inversiones explotando al máximo la información contenida en los datos
experimentales. Además del HVSR y la elipticidad, algunos equipos estimaron la distribución de la velocidad
de la onda P analizando la información de refracción sísmica contenida en los conjuntos de datos sísmicos
activos y, a partir de este resultado, fue posible deducir la posición de la capa freática y ayudó a hacer
suposiciones más realistas. en la relación de Poisson.
Los perfiles Vs obtenidos en los tres sitios muestran cierta variabilidad, pero la consistencia de los
resultados es bastante buena con un coeficiente de variaciones entre las soluciones proporcionadas que
son relativamente bajas para una profundidad significativa. Se observa una mayor variabilidad a gran
profundidad, donde las soluciones se acercan a los límites de aplicabilidad de las técnicas debido a la falta
de restricciones para el problema inverso.
Varios equipos adoptaron el mismo código para la inversión, es decir, el algoritmo de vecindad
implementado en el paquete de software Geopsy [38]. La variabilidad de sus resultados muestra
claramente la importancia de algunas elecciones subjetivas (p. Ej., Parametrización) y de las estrategias (p.
Ej., Solo ondas fundamentales de Rayleigh) adoptadas por cada analista y los problemas de no unicidad
asociados.
Algunas características de los sitios, como las interfaces de la roca madre en Mirandola y Cadarache, no se
identifican de manera única o no se identifican en absoluto. Por ejemplo, varios equipos no detectan la
capa de baja velocidad en los 50 m superiores del perfil Grenoble VS (solo 5 de más de 12 lo hicieron). Se
obtiene una mayor variabilidad en las profundidades donde la interfaz principal está presente (por ejemplo,
en Mirandola a una profundidad de aproximadamente 25 my una profundidad de aproximadamente 100
m). Esta es una demostración más de cuánto la no unicidad de la solución afecta la confiabilidad del
método. Sin embargo, es importante señalar que, dado que fue una prueba totalmente ciega, no se
proporcionó información a priori a los equipos. Si restringimos la profundidad de interés para las
comparaciones, la concordancia entre los resultados es realmente muy alentadora.
En el sitio de Cadarache, las diferencias entre los diferentes resultados en términos de perfiles VS son
mayores que para Grenoble y Mirandola, al menos dentro de los primeros 20 m (Figura 20). Por otro lado,
la variabilidad observada es muy pequeña a profundidades intermedias. Es probable que estas tendencias
se justifiquen teniendo en cuenta que, debido a la intemperie y la fractura, se debe esperar una variabilidad
lateral significativa para las condiciones de afloramiento de rocas como las de Cadarache. Además, en un
sitio como Cadarache, la variabilidad observada en la parte poco profunda también podría estar
relacionada con el hecho de que, dado que las velocidades son muy altas, una pequeña variación en el
número de onda conduce a una gran variación en la velocidad estimada. De hecho, es importante señalar
que diferentes equipos utilizaron diferentes subconjuntos de datos experimentales. La variabilidad lateral
esperada se refleja claramente en las curvas de dispersión experimental. Este tema de la variabilidad
espacial para el afloramiento rocoso es de suma importancia, porque muy a menudo los sitios de referencia
de redes acelerométricas en afloramientos rocosos se caracterizan con análisis de ondas de superficie. Esto
inevitablemente implica un gran volumen de terreno alrededor del sitio de la estación de referencia
Tan lejos como el VS,30 es preocupante, en todos los sitios obtuvimos una variabilidad bastante comparable
entre sí independientemente de las condiciones del subsuelo. Esta es una gran prueba de la
reproducibilidad y la repetibilidad de los métodos de onda de superficie al menos para el cálculo de VS, 30,
que al ser un parámetro global se ve menos afectado por la falta de unicidad de la solución que los valores
locales de VS a diferentes profundidades (ver también los ejemplos reportados por [98]).
5 Conclusions
El estudio se realizó en tres sitios con diferentes condiciones del subsuelo. En la prueba a ciegas, los mismos
datos brutos estaban disponibles para diferentes equipos. Cada equipo era libre de adoptar la estrategia
que consideraban la mejor para analizar la propagación de ondas de superficie. El acuerdo sobre la curva de
dispersión estimada fue en promedio bastante bueno para los tres sitios, lo que confirma la solidez y
precisión de los procedimientos de procesamiento. En los tres sitios, algunas características del subsuelo no
se identificaron de forma exclusiva y se observó una cierta variabilidad de los resultados en términos de
perfiles VS . La variabilidad de los perfiles VS fue en promedio limitada, con valores mayores en
correspondencia con las características estratigráficas relevantes, donde la no unicidad de la solución limita
la precisión en la identificación de las posiciones de la interfaz y, por lo tanto, una gran variabilidad en los
resultados. Los resultados obtenidos también confirman: la resolución alcanzable limitada en profundidad;
La influencia de heterogeneidades laterales plausibles en la variabilidad de los resultados obtenidos, como
en el caso del sitio de afloramiento rocoso (Cadarache) del presente estudio. Sin embargo, la variabilidad
general puede considerarse bastante baja, siempre que no se haya proporcionado información a priori a los
equipos para limitar mejor la inversión. Estos resultados confirman que el aspecto crucial para las
incertidumbres relacionadas con los análisis de ondas de superficie es la no unicidad de la solución del
problema inverso.
La información a priori (geología local, registros de perforaciones) habría ayudado a limitar mejor los
resultados, y en la práctica habitual se debería incorporar información estratigráfica de perforaciones para
mejorar la confiabilidad. Además, puede obtenerse información útil para restringir mejor la inversión a
partir de un análisis adicional de los datos experimentales disponibles (por ejemplo, con datos de fuente
activa, el análisis de ondas P refractadas críticamente puede proporcionar una estimación de la capa
freática y de la relación de Poisson, mientras que con los datos pasivos, el análisis de la elipticidad HVSR y
Rayleigh puede proporcionar información útil para mejorar la identificación de la roca madre y / o los
agudos contrastes de impedancia).
La variabilidad observada es más limitada en la estimación de VS,30, ya que este es un parámetro promedio
que está menos influenciado por la no unicidad de la solución que las estimaciones del espesor de capa
individual y los parámetros VS.
Los futuros desarrollos del proyecto de investigación InterPACIFIC tendrán como objetivo identificar el
papel de las diferentes fuentes de variabilidad, proporcionando pautas integrales y basadas en la física para
el análisis de ondas de superficie.
Acknowledgments
El estudio ha sido financiado por el Programa de Investigación y Desarrollo SIGMA financiado por EdF,
Areva, CEA y ENEL y por el proyecto CASHIMA, financiado por CEA, ILL e ITER. La financiación parcial para
los participantes del Politecnico di Torino fue proporcionada por el proyecto ReLUIS 2, patrocinado por la
Agencia Italiana de Protección Civil. Los fondos parciales para los participantes de la Universidad de Texas
fueron provistos por la subvención CMMI-1261775 de la Fundación Nacional de Ciencias de EE. UU. (NSF).
Sin embargo, las opiniones, hallazgos y conclusiones o recomendaciones expresadas en este material son
de los autores y no reflejan necesariamente los puntos de vista de NSF.
References
[1] Kramer L S, 1996. Geotechnical Earthquake Engineering. Upper Saddle River, USA: Prentice-Hall.
[2] Boore D M, 2004. Can site response be predicted?. Journal of Earthquake Engineering, 8 (1), 1–41.
[3] CEN, 2004. EN 1998-1 Eurocode 8: Design of structures for earthquake resistance. Brussels.
[4] BSSC, 2009. NEHRP Recommended provisions for the development of seismic regulations for new
buildings. Building Seismic Safety Council, Federal Emergency Management Agency, Washington D.C.
[5] Abrahamson N, Atkinson G, Boore D, Bozorgnia Y, Campbell K, Chiou B, Idriss I M, Silva W, and Youngs
R, 2008. Comparisons of the NGA Ground-Motion Relations. Earthquake Spectra, 24 (1), 45-66,
doi.org/10.1193/1.2924363
[6] Abrahamson N, and Silva W, 2008. Summary of the Abrahamson and Silva NGA ground-motion
relations. Earthquake Spectra, 24 (1), 67-97, doi.org/10.1193/1.2924360
[7] Boore DM, and Atkinson G, 2008. Ground-motion prediction equations for the average horizontal
component of PGA, PGV, and 5%-damped PSA at spectral periods between 0.01 s and 10.0 s.
Earthquake Spectra, 24, 99-138, doi.org/10.1193/1.2830434.
[8] Chiou B S-J, and Youngs R, 2008. An NGA model for the average horizontal component of peak ground
motion and response spectra. Earthquake Spectra, 24, 173–215.
[9] Bard P-Y, Cadet H, Endrun B, Hobiger M, Renalier F, Theodulidis N, Ohrnberger M, Fäh D, Sabetta F,
Teves-Costa P, Duval A-M, Cornou C, Guillier B, Wathelet M, Savvaidis A, Köhler A, Burjanek J, Poggi V,
Gassner-Stamm G, Havenith H B, Hailemikael S, Almeida J, Rodrigues I, Veludo I, Lacave C, Thomassin
S, Kristekova M, 2010. From Non-invasive Site Characterization to Site Amplification: Recent Advances
in the Use of Ambient Vibration Measurements. Geotechnical, Geological and Earthquake Engineering,
17, 105-123.
[10] Socco, L V, Foti S, and Boiero D, 2010. Surface wave analysis for building near surface velocity models:
established approaches and new prospectives. Geophysics, 75 (5), A83-A102.
[11] Foti S, Parolai S, Albarello D, and Picozzi M, 2011a. Application of Surface Wave Methods for Seismic
site characterization. Survey in Geophysics, 32(6), 777-825.
[12] Yong A, Martin A, Stokoe K, and Diehl J, 2013. ARRA-funded VS30 measurements using multi-technique
approach at strong-motion stations in California and Central-Eastern United States. Reston, Virginia,
U.S. Geol. Surv. Open-File Rept. 2013-1102, 59.
[13] Foti S, Lai CG, Rix G and Strobbia C, 2014. Surface Wave Methods for Near-Surface Site
Characterization. CRC Press.
[14] Michel C, Edwards B, Poggi V, Burjánek J, Roten D, Cauzzi C, and Fäh D, 2014. Assessment of site effects
in Alpine regions through systematic site characterization of seismic stations. Bulletin of the
Seismological Society of America, 104 (6), 2809-2826.
[15] Cornou C, Ohrnberger M, Boore D M, Kudo K, and Bard P-Y, 2009. Derivation of structural models from
ambient vibration array recordings: Results from an international blind test. ESG2006, 2, 1127-1219.
[16] Cox B R, Wood C M, Teague D P, 2014. Synthesis of the UTexas1 Surface Wave Dataset Blind-Analysis
Study: Inter-Analyst Dispersion and Shear Wave Velocity Uncertainty. Geo-Congrees 2014, Atlanta,
Georgia.
[17] Parolai S, Richwalski S M, Milkereit C, and Fäh, D, 2006. S-wave velocity profiles for earthquake
engineering purposes for the Cologne area (Germany). Bulletin of Earthquake Engineering, 4 (1), 65-94.
[18] Cercato M, 2009. Addressing non‐uniqueness in linearized multichannel surface wave inversion.
Geophysical Prospecting, 57 (1), 27-47.
[19] Foti S, Comina C, Boiero D, and Socco L V, 2009. Non uniqueness in surface wave inversion and
consequence on seismic site response analyses. Soil dynamics and earthquake engineering, 29, 982-
993.
[20] Picozzi M, Strollo A, Parolai S, Durukal E, Ozel O, Karabulut S, Zschau J, and Erdik M, 2009. Site
characterisation by seismic noise in Istanbul. Soil Dyn. Earthq. Eng., 29, 469–482.
[21] Molnar S, Dosso S E, and Cassidy J F, 2010. Bayesian inversion of microtremor array dispersion data in
southwestern British Columbia. Geophysical Journal International, 183 (2), 923-940.
[22] Renalier F, Jongmans D, Savvaidis A, Wathelet M, Endrun B, and Cornou C, 2010. Influence of
parameterization on inversion of surface wave dispersion curves and definition of an inversion strategy
for sites with a strong Vs contrast. Geophysics, 75 (6), B197-B209.
[23] Boaga J, Vignoli G, and Cassiani G, 2011. Shear wave profiles from surface wave inversion: the impact
of uncertainty on seismic site response analysis. Journal of Geophysics and Engineering, 8 (2), 162.
[24] Dettmer J, Molnar S, Steininger G, Dosso S E, and Cassidy J F, 2012. Trans-dimensional inversion of
microtremor array dispersion data with hierarchical autoregressive error models. Geophysical Journal
International, 188 (2), 719-734.
[25] Di Giulio G, Savvaidis A, Ohrnberger M, Wathelet M, Cornou C, Knapmeyer-Endrun B, Renalier F,

Theodoulidis N, and Bard P-Y, 2012. Exploring the model space and ranking a best class of models in
surface wave dispersion inversion: application at European strong-motion sites. Geophysics, 77 (3),
B1147-B166.
[26] Aki, K, 1957. Space and time spectra of stationary stochastic waves with special reference to
microtremors. Bull. Earth. Res. Inst. Tokio Univ., 25, 415-457.
[27] Capon J, 1969. High-resolution frequency-wavenumber spectrum analysis. Proceedings of the IEEE,
57(8), 1408-1418.
[28] Lacoss R T, Kelly E J, and Toksöz M N, 1969. Estimation of seismic noise structure using arrays.
Geophysics, 34, 21-38.
[29] Nolet P, and Panza G F, 1976. Array analysis of seismic surface waves: limits and possibilities. Pure and
Applied Geophysics, 114, 776-790.
[30] McMechan G A, and Yedlin M J, 1981. Analysis of dispersive wave by wave field transformation.
Geophysics, 46, 868-874.
[31] Park C B, Miller R D, and Xia J, 1999. Multichannel analysis of surface waves, Geophysics, 64 (3), 800-
808.
[32] Rothman D H, 1985. Nonlinear inversion, statistical mechanics, and residual statics estimation.
Geophysics, 50, 2784-2796.
[33] Herrmann R B, 1987. Surface wave inversion. Computer programs in seismology, 4, Saint Louis
University.
[34] Yamanaka H, and Ishida H, 1996. Application of generic algorithms to an inversion of surface‐wave
dispersion data. Bulletin of Earthquake Engineering, 86, 436–444.
[35] Lai C G, 1998. Simultaneous Inversion of Rayleigh Phase Velocity and Attenuation for Near-Surface Site
Characterization. Atlanta (Georgia, USA), Ph.D. thesis, Georgia Institute of Technology, Georgia, USA.
[36] Xia J, Miller R D, and Park C B, 1999. Estimation of near-surface shear-wave velocity by inversion of
Rayleigh waves. Geophysics, 64, 691-700.
[37] Socco L V, and Boiero D, 2008. Improved Monte Carlo inversion of surface wave data. Geophysical
Prospecting, 56, 357-371.
[38] Wathelet M, 2008. An improved neighborhood algorithm: parameter conditions and dynamic scaling.
Geophysical Research Letters, 35, L09301.
[39] Maraschini M, and Foti S, 2010. A Monte Carlo multimodal inversion of surface waves. Geophysical
Journal International, 182 (3), 1557-1566.
[40] Asten, M, Askan, A, Ekincioglu E E, Sisman F N, and Ugurhan B, 2014. Site Characterization in
Northwestern Turkey Based on SPAC and HVSR analysis of microtremor noise. Exploration Geophysics,
45, 74-85, doi.org/10.1071/EG12026
[41] Tran KT and Hiltunen DR, 2011. An Assessment of Surface Wave Techniques at the Texas A&M National
Geotechnical Experimentation Site. GeoRisk 2011: Geotechnical Risk Assessment and Management
(C.H. Juang et al., eds.), ASCE GSP 224, 859-866.
[42] Kim D S, Park H J, Bang E S, 2012. Round Robin Test for Comparative Study of In-Situ Seismic Tests. In:
Geotechnical and Geophysical site Characterization, 4, 1427-1434, Leiden (NL), CRC Press, Mayne R. Q.,
Coutinho P. W.
[43] Garofalo F, Foti S, Hollender F, Bard P.-Y, Cornou C, Cox B R, Dechamp A, Ohrnberger M, Perron V,
Sicilia D, Teague D, Vergniault C, 2015. Interpacific project: comparison of invasive and non-invasive
methods for seismic site characterization, Part II: inter-comparison between surface-wave and
borehole methods. Soil Dynamics and Earthquake Engineering, submitted.
[44] Anzidei M, Maramai A, Montone P, 2012. The Emilia (northern Italy) seismic sequence of May-June,
2012: preliminary data and results. Annals of Geophysics, Special Issue, 55 (4), 515-842, doi:
10.4401/ag-6232
[45] Guéguen, P, Cornou C, Garambois S, and Banton J, 2007. On the limitation of the H/V spectral ratio
using seismic noise as an exploration tool. Application to the Grenoble basin (France). PAGEOPH, 164,
1-20, DOI 10.10007/s00024-006-0151-x
[44] Aki K and Richard P G, 1980. Quantitative seismology: theory and methods. W. H. Freeman & Co.
[47] Tokimatsu K, 1995. Geotechnical site characterisation using surface waves. Proceedings of 1st Int.
Conf. on Earth. Geotechn. Eng., IS-Tokyo, 36.
[48] Foti S, 2000. Multistation Methods for Geotechnical Characterization using Surface Waves. Ph.D.
thesis, Politecnico di Torino, Turin, Italy.
[49] Arai, H and K Tokimatsu, 2005. S-wave velocity profiling by joint inversion of microtremor dispersion
curve and horizontal-to-vertical (H/V) spectrum. Bull. Seism. Soc. Am. 95, 1766-1778.
[50] Ikeda T, Matsuoka T, Tsuji T, and Hayashi K, 2012. Multimode inversion with amplitude response of
surface waves in the spatial autocorrelation method. Geophysical Journal International, 190, 541-552.
[51] Stokoe K H II, Wright S G, Bay J, Roesset J M, 1994., Characterization of geotechnical sites by SASW
method. in Geophysical characterization of sites, by R.D. Woods (ed), Oxford & IBH Publ., 15-25
[52] Socco L V, and Strobbia C, 2004. Surface-wave method for near-surface characterisation: a tutorial.
Near Surface Geophysics, 2, 165-185.
[53] Sambuelli L, and Deidda G P, 1999. Swyphone™: A New Seismic Sensor With Increased Response To Sh-
Waves. Proceedings if V Meeting of environmental and engineering geophysical society, Budapest 6-9
Sept. 1999.
[54] Foti S, Sambuelli L, Socco L V, and Strobbia C, 2003. Experiments of joint acquisition of seismic
refraction and surface wave data. Near Surface Geophysics, 1 (3), 119-129.
[55] Johnson D J, and Dudgeon D E, 1993. Array Signal Processing - concepts and techniques. Prentice Hall
Signal Processing Series, Alan v. Oppenheim, Series Editor.
[56] Rost S, and Thomas C, 2002. Array Seismology: Methods and Applications. Reviews of Geophysics, 40
(3), 2-1–2-27, doi: 10.1029/2000RG000100
[57] Okada H, 2003. The microtremor survey method. Geophysical Monograph series, 12, Society of
Exploration Geophysics.
[58] Maranò S, Fäh D, and Lu Y M, 2014. Sensor placement for the analysis of seismic surface waves:
Sources of error, design criterion and array design algorithms. Geophysical Journal International, 197
(3), 1566-1581.
[59] Louie J N, 2001. Faster, Better: Shear-Wave Velocity to 100 Meters Depth from Refraction Microtremor
Arrays. Bulletin of the Seismological Society of America, 91 (2), 347–364.
[60] Cox B R, and Beekman A N, 2010. Intramethod Variability in ReMi Dispersion Measurements and Vs
Estimates at Shallow Bedrock Sites. Journal of Geotechnical and Geoenvironmental Engineering,
137(4), 354-362.
[61] Strobbia C, and Cassiani G, 2011. Refraction microtremors: data analysis and diagnostics of key
hypotheses. Geophysics, 76 (3), MA11-MA20.
[62] Asten M, 2006. On bias and noise in passive seismic data from finite circular array data processed using
SPAC methods. Geophysics, 71 (6), V153-V162, doi: 10.1190/1.2345054.
[63] Forbriger T, 2003a. Inversion of shallow-seismic wavefield: I Wavefield transformation. Geophysical
Journal International, 153, 719-734.
[64] Fäh D, Kind F, Giardini D, 2003. Inversion of local S-wave velocity structures from average H/V ratios,
and their use for the estimation of site-effects. Journal of Seismology, 7, 449–467
[65] Hobiger M, Bard P-Y, Cornou C, Le Bihan N, 2009. Single station determination of Rayleigh wave
ellipticity by using the random decrement technique (RayDec). Geophysical Research Letters, 36,
L14303.
[66] Poggi V and Fäh D, 2010. Estimating Rayleigh wave particle motion from three-component array
analysis of ambient vibrations. Geophysical Journal International, 180 (1), 251-267.
[67] Poggi V, Fäh D, Burjanek J, and Giardini D, 2012. The use of Rayleigh wave ellipticity for site-specific
hazard assessment and microzonation. An application to the city of Luzern (Switzerland). Geophys. J.
Int., 188 (3), 1154-1172.
[68] Zywicki D J, 1999. Advanced signal processing methods applied to engineering analysis of seismic
surface waves. Ph.D. dissertation, Georgia Institute of technology, Georgia, Atlanta.
[69] Bettig B, Bard P-Y, Scherbaum F, Riepl J, Cotton F, Cornou C, Hatzfeld D, 2001. Analysis of dense array
noise measurements using the modified spatial auto-correlation method (SPAC): application to the
Grenoble area. Bollettino di Geofisica Teorica ed Applicata, 42 (3-4), 281-304.
[70] Maranò S, Reller C, Loeliger H-A, Fäh D, 2012. Seismic wave estimation and wavefield decomposition:
application to ambient vibrations. Geophysical Journal International, 191 (1), 175-188.
[71] Nazarian S, 1984. In Situ Determination of Elastic Moduli of Soil Deposits and Pavement System by
Spectral-Analysis-Of-Surface-Waves Method. Ph.D. thesis, University of Texas, Austin, USA.
[72] Foti S and Strobbia C, 2002. Some notes on model parameters for surface wave data inversion.
Proceedings Of SAGEEP 2002, Las Vegas, USA.
[73] Luke B, Calderòn-Macìas C, Stone R C, and Huynh M, 2003. Nonuniqueness in inversion of seismic
surface-wave data. Proceedings on the symposium on the application of geophysics to engineering and
environmental problems.
[74] Picozzi M, and Albarello D, 2007. Combining Genetic and Linearized algorithms for a two‐step joint
inversion of Rayleigh wave dispersion and H/V spectral ratio curves. Geophysical Journal International,
169 (1), 189-200.
[75] Foti, S, Parolai S, Bergamo P, Di Giulio G, Maraschini M, Milana G, Picozzi M, and Puglia R, 2011b.
Surface wave surveys for seismic site characterization of accelerometric stations in ITACA. Bull. Earthq.
Eng. 9, no. 6, 1797–1820, doi: 10.1007/s10518-011-9306-y.
[76] Forbriger T, 2003b. Inversion of shallow-seismic wavefields: II Inferring subsurface. Geophysical Journal
International, 153, 735-752.
[77] O’Neill A, and Matsuoka T, 2005. Dominant higher surface-wave modes and possible inversion pitfalls.
Journal of Environmental & Engineering Geophysics, 10 (2), 185-201.
[78] Beaty K S, Schmitt D R, and Sacchi M, 2002. Simulated annealing inversion of multimode Rayleigh wave
dispersion curves for geological structure. Geophysical Journal International, 151, 622-631.
[79] Feng S, Sugiyama T, and Yamanaka H, 2005. Effectiveness of multimodel surface wave inversion in
shallow engineering site investigation. Exploration Geophysics, 36, 26-33.
[80] Dal Moro G, Pipan M, and Gabrielli P, 2007. Rayleigh wave dispersion curve inversion via genetic
algorithms and marginal posterior probability density estimation. Journal of Applied Geophysics, 61,
39-55.
[81] Socco L V, Boiero D, Foti S, and Wisén R, 2009. Laterally constrained inversion of ground roll from
seismic reflection records. Geophysics, 74 (6), 35-45.
[82] Xia J, Miller R D, Park C B, and Tian G, 2003. Inversion of high frequency surface waves with
fundamental and higher modes. Journal of Applied Geophysics, 52 (1), 45-57.
[83] Parolai S, Picozzi M. Richwalski S M, and Milkereit C, 2005. Joint inversion of phase velocity dispersion
and H/V ratio curves from seismic noise recordings using a genetic algorithm, considering higher
modes. Geophysical Research Letter, 32, L01303.
[84] Dal Moro G, and Ferigo, F., 2011. Joint analysis of Rayleigh-and Love-wave dispersion: Issues, criteria
and improvements. Journal of Applied Geophysics, 75 (3), 573-589.
[85] Hobiger M, Cornou C, Wathelet M, Di Giulio G, Knapmeyer-Endrun B, Renalier F, Bard P-Y, Savvaidis A,
Hailemikael S, Le Bihan N, Ohrnberger M, Theodoulidis M, 2013. Ground structure imaging by
inversions of Rayleigh wave ellipticity: sensitivity analysis and application to European strong-motion
sites. Geophysical Journal International, 192 (1), 207-229, 10.1093/gji/ggs005
[86] Asten M W, Dhu T, and Lam N, 2004. Optimised array design for microtremor array studies applied to
site classification; observations, results and future use. Conference Proceedings of the 13th World
Conference of Earthquake Engineering, Vancouver, Aug 1-6, Paper 2903.
[87] Wathelet M, Jongmans D, and Ohrnberger M, 2005. Direct Inversion of Spatial Autocorrelation Curves
with the Neighbourhood Algorithm. Bulletin of the Seismological Society of America, 95, 1787-1800.
[88] Nogoshi M, and Igarashi T, 1971. On the amplitude characteristics of microtremor, Part II. Journal of
the Seismological Society of Japan, 24, 26–40.
[89] Nakamura Y, 1989. A method for dynamic characteristics estimations of subsurface using microtremors on
the ground surface. Railway Technical Research Institute, Quarterly Reports, 30 (1), 25-33.
[90] Hayashi K, 2012. Analysis of Surface-wave Data Including Higher Modes Using the Genetic Algorithm.
proceedings of GeoCongress 2012.
[91] Yamanaka H, 2007. Inversion of surface-wave phase velocity using hybrid heuristic search method.
Butsuri-tansa (Geophysical exploration), 60, 265-275.
[92] Joh S H, 1996. Advances in interpretation and analysis techniques for spectral-analysis-of-surface-
waves (SASW) measurements. Ph.D. Dissertation, Dept. of Civil, Architectural, and Environmental
Engineering, University of Texas, Austin, TX, 240 p.
[93] Abbiss C, 1981. Shear wave measurements of the elasticity of the ground. Geotechnique, 31, 91-104.
[94] Hayashi K, Nozu A, and Tanaka M, 2011. Joint inversion of three component microtremor
measurements and microtremor array measurements at Mexico City. SEG Technical Program
Expanded Abstracts 2011, 17–921.
[95] Boore DM, Brown L T, 1998. Comparing shear-wave velocity profiles from inversion of surface-wave
phase velocities with downhole measurements: systematic differeneces between the CXW method
and downhole measurements at six USC strong-motion sites. Seismological Research Letters, 69 (3),
222-229.
[96] Brown L T, Diehl J G, and Nigbor R L, 2000. A simplified procedure to measure average shear-wave
velocity to a depth of 30 meters (Vs30). Proceedings of 12th World Conferance on Earthquake
Engineering, Society of Earthquake Engineering, Auckland, New Zealand.
[97] Ikeda T, Asten M W, and Matsuoka T, 2013. Joint inversion of spatial autocorrelation curves with HVSR
for site characterization in Newcastle, Australia. Proceedings of 23rd ASEG International Geophysical
Conference and Exhibition, Melbourne, Australia, Extended Abstracts, pp. 1-4.
[98] Comina C, Foti S, Boiero D, and Socco L V, 2011. Reliability of VS,30 Evaluation from Surface-Wave Tests.
Journal of Geotechnical and Geoenvironmental Engineering, 137 (6), 579-586.

1-s2.0-S026772611500319X-Flora Garofalo InterPACIFIC Project 2016

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

1-s2.0-S026772611500319X-Flora Garofalo InterPACIFIC Project 2016

Cargado por

Copyright:

Formatos disponibles

Version of Record: https://www.sciencedirect.

1: Politecnico di Torino, Torino, Italy

4: University of Texas, Austin, Texas USA

5: University of Potsdam, Potsdam, Germany

7: Monash University, Melbourne, Australia

8: INGV, L’Aquila, Italy

9: Black Forrest Observatory, Germany

10: Geometrics, USA

11: Geovision, USA

12: Kyoto University, Japan

13: CEREMA, Direction Territoriale Méditerranée, Nice, France

14: Swiss Seismological Service, ETHZ, Zurich, Switzerland

15: Tokyo Institute of Technology, Japan

*: currently at Eni upstream and technical services, Italy.

El alcance principal del proyecto InterPACIFIC (Intercomparación de métodos para la caracterización de

En este contexto, el proyecto InterPACIFIC (Intercomparación de métodos para la caracterización de

12 SED Valerio Poggi, Stefano Maranò, Jan Burjanek, Switzerland

Se comparan las "mejores estimaciones" en términos de curvas de dispersión y resultados Vs

Table 4 - Mirandola: datasets. T= Ventana de tiempo , T = muestreo de tiempo

Table 5 - Mirandola: algoritmo de estrategia adoptado para cada equipo

Figure 6 - Vista de primer plano de los 150 m superiores de la figura 5.

Table 6 - Grenoble – datasets. T= time window, T = time sampling

La Figura 11 (800 m superiores) y la Figura 12 (150 m superiores) muestran el VS (Figura 11 a, y figura 12 a)

Table 8 - Cadarache: datasets. T= time window, T = time sampling

Figure 18 - Cadarache: Vista de primer plano de la Figura 17.

3.4 Variabilidad de los resultados.

resolución debido a la parametrización adoptada y / o la banda de frecuencia limitada de la curva de

[25] Di Giulio G, Savvaidis A, Ohrnberger M, Wathelet M, Cornou C, Knapmeyer-Endrun B, Renalier F,

También podría gustarte