Civ338 23 06 Gmpe

CIV338 – INGENIERÍA SÍSMICA
6 – Ecuaciones de Predicción del Movimiento

de Suelo (GMPE)
GMM:ground motion model
PROF. CRISTIAN CRUZ

DEPARTAMENTO DE OBRAS CIVILES
UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA
Objetivos de la Clase 2
• Aprender qué es una ecuación de predicción del movimiento sísmico

(GMPE)
• Conocer qué es una medida de intensidad y cuáles son las medidas de

intensidad más utilizadas actualmente
• Aprender qué variables están involucradas en la predicción de la

intensidad del movimiento sísmico en un sitio específico
• Tener una primera aproximación a cómo elegir la forma funcional de una

GMPE y a cómo calibrarla
• Repasar conceptos de probabilidades: distribución normal y lognormal
• Aprender a calcular 𝑃 𝐼𝑀 > 𝑥 𝑀 = 𝑚, 𝑅 = 𝑟
CIV338 – Ingeniería Sísmica Otoño 2023 Prof. Cristian Cruz
2
Repaso de Probabilidades 3
1) Denotamos con mayúscula (e.g., 𝑌) a una variable aleatoria (v.a.)
2) Denotamos con minúscula (e.g., 𝑦) a una realización de la v.a. 𝑌
3) Denotamos 𝑓𝑌 (𝑦) a la función de densidad de probabilidades (PDF) de 𝑌
𝑓𝑌
4) 𝑓𝑦 𝑦 ≥ 0
∞
5) Siempre se cumple que ‫׬‬−∞ 𝑓𝑌 (𝑦) 𝑑𝑦 = 1
Repaso de Probabilidades 4
6) Definimos la función de probabilidad acumulada (CDF) de 𝑌 como

𝑦 𝑓𝑌
𝐹𝑌 𝑦 = 𝑃 𝑌 ≤ 𝑦 = න 𝑓𝑌 𝜏 𝑑𝜏 𝑓𝑌 (𝑦)
−∞
𝑦 𝑦
7) Por definición,
𝑑
𝑓𝑌 𝑦 = 𝐹
𝑑𝑦 𝑌
8) 𝑃 𝑌 ≥ 𝑦 = 1 − 𝑃(𝑌 ≤ 𝑦)
4
Distribución Normal 5
6
Función de densidad de probabilidades (PDF):

2
1 1 𝑥−𝜇𝑋
𝑓𝑋 𝑥 = 𝜎 2𝜋
exp − 2 𝜎𝑋
−∞ ≤ 𝑥 ≤ ∞
𝑋
para que
esto se ensanche
Parámetros:
angoste
↑
o
𝜇𝑋 : media
𝜎𝑋 : desviación estándar dispersion -
Función de prob. acumulada (CDF):

𝑥
𝐹𝑋 𝑥 = න 𝑓𝑋 (𝑥)
−∞
8
Distribución Normal Estándar 9
r
Una variable aleatoria 𝑈 que distribuye normal estándar tiene:
"
𝜇𝑈 = 0 ; 𝜎𝑈 = 1
PDF de la distribución normal estándar:

1 1 2
𝑓𝑈 𝑢 = 𝜑 𝑢 = 𝑒 − 2𝑢 −∞≤𝑢≤∞ y
2𝜋
CDF de la distribución normal estándar: -> se divide en su T se

Y
𝑢
1 1 2
resta
𝐹𝑈 𝑢 = Φ 𝑢 = න 𝑒 −2𝑥 𝑑𝑥 −∞≤𝑢 ≤∞ su media
−∞ 2𝜋
Notar que Φ(𝑢) es simétrica, por lo tanto:

Φ −𝑢 = 1 − Φ(𝑢)
--
-
10
/
Ejemplo:
sea U-NC0,1) calcule

(u 0,53)
&
-
0,2019 0,5
=
+
⑦(ux -
0,53) 1
=
-
(u 0,53) -
P( -
1-u-1) 24(0
=
-
u - 1) 2.0,34
=
11
Para usar la tabla de una distribución normal estándar con una variable 𝑋 que
distribuye normal “no estándar”, se debe calcular la siguiente variable
aleatoria:
𝑋 − 𝜇𝑋
𝑈=
𝜎𝑋
Esta variable tiene una distribución normal estándar, por lo que:
𝑋 − 𝜇𝑋 𝑥 − 𝜇𝑋
𝑃 𝑋≤𝑥 =𝑃 ≤
𝜎𝑋 𝜎𝑋
𝑥 − 𝜇𝑋
𝑃 𝑋≤𝑥 =𝑃 𝑈≤
𝜎𝑋
𝑥 − 𝜇𝑋
𝑃 𝑋≤𝑥 =Φ
𝜎𝑋
12
Ejemplo:
13
En MATLAB:
CDF normal:
normcdf(x,mu,sigma)
CDF estándar puede omitir mu y sigma:

normcdf(x)
14
Distribución Lognormal 15
Una variable aleatoria 𝑌 tiene una distribución 𝑙𝑜𝑔𝑛𝑜𝑟𝑚𝑎𝑙 si es que ln(𝑌)

distribuye normal.
Función de densidad de probabilidades (PDF):

2
1 1 ln 𝑦−𝜇ln 𝑌
𝑓𝑌 𝑦 = exp − 0≤𝑦≤∞
𝑦𝜎ln 𝑌 2𝜋 2 𝜎ln 𝑌
Parámetros:
𝜇ln 𝑌 : media logarítmica de 𝑌
𝜎ln 𝑌 : desviación estándar
logarítmica de Y
15
Distribución lognormal 16
Sea 𝑌 una v.a. que distribuye lognormal
𝐹𝑌 𝑦 = 𝑃 𝑌 ≤ 𝑦
= 𝑃 ln 𝑦 ≤ ln(𝑦)
ln 𝑌 − 𝜇𝑙𝑛𝑌 ln 𝑦 − 𝜇𝑙𝑛𝑌
=𝑃 ≤
𝜎𝑙𝑛𝑌 𝜎𝑙𝑛𝑌
ln 𝑦 − 𝜇𝑙𝑛𝑌
=𝑃 𝑈≤
𝜎𝑙𝑛𝑌
=Φ
𝜎𝑙𝑛𝑌
Por lo tanto,
𝐹𝑌 𝑦 = Φ
𝜎𝑙𝑛𝑌
16
Relación entre parámetros de 𝑌 y ln(𝑌):
• 𝜇𝑌 y 𝜎𝑌 corresponden a la media y desviación estándar de la distribución

lognormal de 𝑌
• Comúnmente se trabaja con ln(𝑌) ya que es más fácil de calcular usando

directamente la distribución normal
2 1
• 𝜇𝑙𝑛𝑌 = ln 𝜇𝑌 − 2 𝜎𝑙𝑛𝑌
2 𝜎𝑌2
• 𝜎𝑙𝑛𝑌 = ln 2 +1
𝜇𝑌
17
Relación entre parámetros de 𝑌 y ln(𝑌):

Por definición, la mediana 𝑦0.5 de una distribución cumple que:
𝑦0.5
න 𝑓𝑌 𝑦 𝑑𝑦 = 0.5
0
Es decir,
𝐹𝑌 𝑦0.5 = 0.5
Para una dist. lognormal:
ln 𝑦0.5 − 𝜇𝑙𝑛𝑌
Φ = 0.5
𝜎𝑙𝑛𝑌
ln 𝑦0.5 − 𝜇𝑙𝑛𝑌
⇒ = Φ−1(0.5)
𝜎𝑙𝑛𝑌
Pero Φ−1 0.5 = 0
𝑓𝑈 (𝑢)
entonces ln 𝑦0.5 = 𝜇𝑙𝑛𝑌
0.5
⇒ 𝑦0.5 = 𝑒 𝜇𝑙𝑛𝑌
0 𝑢
18
En MATLAB:
CDF lognormal:
logncdf(y,mu,sigma)
ADVERTENCIA: En la documentación no es claro si hay que usar

𝝁𝒍𝒏𝒀 y 𝝈𝒍𝒏𝒀 o directamente 𝝁𝒀 y 𝝈𝒀 . ¡Revisar resultados!
Personalmente, yo prefiero calcular 𝜇𝑙𝑛𝑌 y 𝜎𝑙𝑛𝑌 y luego usar la CDF de la

distribución normal estándar directamente:
normcdf((log(y)-mu_Ln)/sigma_Ln)
Ii?In
(SAH)
Es decir, calcular directamente:
Φ
𝜎𝑙𝑛𝑌
↳ TSAH
19
Repaso: Regresiones Estadísticas 20
20
¿ 𝑦0 ?
𝜀
𝑦ො0
En realidad:
𝑌 = 𝛽0 + 𝛽1 𝑋 + 𝜀
𝜀 ~ 𝑁(0, 𝜎)
𝑥0
21
𝑃(𝑌 > 𝑦1 |𝑋 = 𝑥0 )
𝑦1
𝑦0
𝑓𝑌|𝑋=𝑥0
𝑁(𝑦0, 𝜎)
En realidad:
𝑌 = 𝛽0 + 𝛽1 𝑋 + 𝜀
𝜀 ~ 𝑁(0, 𝜎)
𝑥0
22
• En una regresión estadística se busca predecir una variable 𝑌 a partir de

una serie de factores 𝑋𝑖
• Regresión lineal:
𝑛
𝑌 = 𝛽0 + ෍ 𝛽𝑖 𝑋𝑖 + 𝜀
𝑖=1
Donde:
𝜀 : Error
En general, en las regresiones se asume que:
𝜀~𝑁(0, 𝜎𝑌 )
23
Ecuaciones de Predicción del Movimiento de Suelo (GMPE) 24
• Apliquemos lo aprendido a un modelo que nos permita estimar la

intensidad del movimiento sísmico
• Buscamos una ecuación que nos permita:
1) Estimar, en promedio, la intensidad del movimiento dado que

ocurrió un terremoto.
2) Estimar la probabilidad de que, dado que ocurrió un terremoto,

observemos una intensidad mayor a un determinado valor.
24
Atenuación o Amplificación del Movimiento de Suelo 25
• En general, el movimiento sísmico se atenúa a medida que nos alejamos de

la fuente sísmica debido a:
– Dispersión geométrica de las ondas sísmicas -> amortiguamiento por
radiación
– Amortiguamiento del medio en que se propagan las ondas sísmicas
• En algunos casos específicos, el movimiento se puede amplificar debido a

efectos locales
25
Ecuaciones de Predicción de Movimiento Sísmico (GMPE) 26
Preguntas a considerar:
1. ¿Qué queremos predecir? ¿Por qué / para qué?
2. ¿Qué factores/variables debemos considerar en nuestra ecuación

predictiva?
3. ¿Cómo decidimos la forma funcional?
4. ¿Cómo calibramos nuestra ecuación?
26
¿Qué Queremos Predecir? 27
• Nos interesa predecir un parámetro que caracterice la intensidad del

movimiento sísmico en un lugar determinado
• Este parámetro comúnmente se le llama Medida de Intensidad y se

denota como 𝐼𝑀 por sus siglas en inglés (“Intensity Measure”)
• Existen muchos parámetros que podemos usar como medidas de

intensidad. Algunos ejemplos comúnmente utilizados son:
𝑃𝐺𝐴
𝑃𝐺𝑉
𝑃𝐺𝐷
𝑆𝑑 (𝑇𝑛 , 𝜉)
𝑃𝑆𝑎 (𝑇𝑛 , 𝜉)
𝑃𝑆𝑣 (𝑇𝑛 , 𝜉)
• Características de IM y su importancia se ve en profundidad en curso IPO

430 – Ingeniería Sísmica Avanzada
27

predictiva?
28
Efectos de la Magnitud 29
(Kramer, 1ª Ed)
29
Efectos de la Distancia 30
(Saragoni & Ruiz, 2012)

30
Efectos de la Distancia 31
(Kramer, 1ª Ed)
31
Atenuación y Amplificación del Movimiento Sísmico 32
En general:
𝐼𝑀 = 𝑓(𝑀, 𝑅, 𝑀𝐹 , 𝑆 , 𝑋 )
Magnitud Otros parámetros específicos

Distancia de la IM (e.g., 𝑇𝑛 𝑦 𝜉 para
espectros de respuesta)
Mecanismo
Parámetros de efectos
Focal
locales (tipo de suelo,
directividad)
Ejemplo: Boore et al. 1997
2
𝑣𝑠
ln 𝑃𝐺𝐴 = 𝛽𝑀𝐹 + 𝛽𝑀1 𝑀 − 6 + 𝛽𝑀2 𝑀 − 6 + 𝛽𝑅 ln 𝑅 + 𝛽𝑣1 ln
𝛽𝑣2
32

predictiva?
33
Forma Funcional 34
𝐼𝑀 = 𝑓(𝑀, 𝑅, 𝑀𝐹 , 𝑆 , 𝑋 )
¿Qué forma tiene 𝑓?
• Es arbitraria. Se elige intentando aproximar de la mejor manera posible la

mecánica que da origen y la forma en que se propaga el movimiento
sísmico.
• Depende de lo que queramos predecir
• ¿Qué sabemos?
34
Forma Funcional: ¿Qué sabemos? 35
1. Las medidas de intensidad basadas en valores máximos (𝑃𝐺𝐴, 𝑆𝑎 , 𝑒𝑡𝑐. )

tienen distribuciones que son aproximadamente 𝒍𝒐𝒈𝒏𝒐𝒓𝒎𝒂𝒍𝒆𝒔.
⇒ Regresiones estadísticas se hacen sobre ln(𝐼𝑀):

ln 𝐼𝑀 = 𝑓
35
2. La magnitud se define comúnmente como el logaritmo de el valor

máximo de otro parámetro
𝑀𝑊 = 𝑎1 + 𝑏1 ⋅ 𝑙𝑜𝑔(𝐿) 𝑀𝑊 = 𝑎2 + 𝑏2 ⋅ 𝑙𝑜𝑔(𝐷) 𝑀𝑊 = 𝑎3 + 𝑏3 ⋅ 𝑙𝑜𝑔(𝐴)
Consecuentemente, ln 𝐼𝑀 se considera aproximadamente proporcional a

𝑀𝑤
ln 𝐼𝑀 = 𝛽1 + 𝛽2 𝑀 + 𝛽3 𝑀𝛽4
(Wells & Coppersmith, 1994)
36
3. La amplitud de las ondas de cuerpo decae aproximadamente como 1/𝑅,

y la de ondas superficiales como 1/ 𝑅
ln 𝐼𝑀 = 𝛽1 + 𝛽2 𝑀 + 𝛽3 𝑀𝛽4 + 𝛽5 ln(𝑅)
37
4. La magnitud aumenta con el área de ruptura. Por lo que algunas ondas

llegan desde una distancia, 𝑅, pero otras llegan desde distancias mayores.
➔ La “distancia efectiva” aumenta con la magnitud
ln 𝐼𝑀 = 𝛽1 + 𝛽2 𝑀 + 𝛽3 𝑀𝛽4 + 𝛽5 ln(𝑅 + 𝛽6 exp 𝛽7 𝑀 )
38
5. Parte de la energía de las ondas sísmicas es absorbida por los materiales

por los cuales viajan (amortiguamiento del material). Esto hace que la
amplitud decaiga exponencialmente con 𝑅.
ln 𝐼𝑀 = 𝛽1 + 𝛽2 𝑀 + 𝛽3 𝑀𝛽4 + 𝛽5 ln 𝑅 + 𝛽6 exp 𝛽7 𝑀 + 𝛽8 𝑅
39
6. Existen otros factores que influyen en las distintas medidas de intensidad

como:
– Tipo de falla
– Tipo de suelo
ln 𝐼𝑀 = 𝛽1 + 𝛽2𝑀 + 𝛽3𝑀 𝛽4 + 𝛽5 ln 𝑅 + 𝛽6 exp 𝛽7𝑀 + 𝛽8𝑅 + 𝑓 fuente + 𝑓(suelo)
No olvidar la dispersión:
𝜎𝑙𝑛𝐼𝑀 = 𝛽9
40

predictiva?
4. ¿Cómo calibramos nuestra ecuación?
41
Forma Funcional 42
ln 𝐼𝑀 = 𝛽1 + 𝛽2𝑀 + 𝛽3𝑀 𝛽4 + 𝛽5 ln 𝑅 + 𝛽6 exp 𝛽7𝑀 + 𝛽8𝑅 + 𝑓 fuente + 𝑓(suelo)
Los coeficientes 𝛽𝑖 se calculan mediante regresiones estadísticas, comúnmente:

– Regresión lineal en varios pasos
– Modelos de efectos mixtos
IMPORTANTE: ¡LA FORMA FUNCIONAL DE ARRIBA ES SOLO UN EJEMPLO

POSIBLE!
42
Qué es lo que obtenemos 43
Recordemos nuestra ecuación predictora de movimiento sísmico:
ln 𝐼𝑀 = 𝛽1 + 𝛽2 𝑀 + 𝛽3𝑀 𝛽4 + 𝛽5 ln 𝑅 + 𝛽6 exp 𝛽7𝑀 + 𝛽8𝑅
• ln(𝐼𝑀) tiene una distribución normal
• 𝐼𝑀 tiene una distribución lognormal
Para una magnitud 𝑀 y distancia 𝑅 dadas, esta ecuación nos da la media logarítmica de
𝐼𝑀, es decir 𝜇𝑙𝑛𝐼𝑀 .
↳ media logaritmica
¡Podemos calcular 𝑃 𝐼𝑀 > 𝑥|𝑀, 𝑅 !
43
1. Calcular 𝜇𝑙𝑛𝐼𝑀 para 𝑅 = 𝑟, 𝑀 = 𝑚 utilizando la GMPE
2. Calcular 𝑃 𝐼𝑀 > 𝑥|𝑚, 𝑟 usando una distribución normal estándar:
ln(𝑥) − 𝜇𝑙𝑛𝐼𝑀
𝑃 𝐼𝑀 > 𝑥|𝑚, 𝑟 = 1 − Φ
𝜎𝑙𝑛𝐼𝑀
44
(Baker, 2008)
45
Nuestra Meta: Caracterizar la Amenaza Sísmica 46
Curva de Amenaza Sísmica 𝜆 𝐼𝑀 :
“Frecuencia media en que se excede un determinado valor de una medida de

intensidad del movimiento sísmico al año”
𝑛𝑓𝑢𝑒𝑛𝑡𝑒𝑠
𝑚𝑚𝑎𝑥 𝑟𝑚𝑎𝑥
𝜆 𝐼𝑀 > 𝑥 = ෍ 𝜆 𝑀𝑖 > 𝑚𝑚𝑖𝑛 න න 𝑃 𝐼𝑀 > 𝑥 𝑚, 𝑟 𝑓𝑀𝑖 𝑚 𝑓𝑅𝑖 𝑟 𝑑𝑟𝑑𝑚
𝑖=1 𝑚𝑚𝑖𝑛 0
46

Civ338 23 06 Gmpe

Cargado por

Información del documento

Descripción original:

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

Civ338 23 06 Gmpe

Cargado por

Copyright:

Formatos disponibles

CIV338 – INGENIERÍA SÍSMICA

6 – Ecuaciones de Predicción del Movimiento

PROF. CRISTIAN CRUZ

• Aprender qué es una ecuación de predicción del movimiento sísmico

• Conocer qué es una medida de intensidad y cuáles son las medidas de

• Aprender qué variables están involucradas en la predicción de la

• Tener una primera aproximación a cómo elegir la forma funcional de una

• Repasar conceptos de probabilidades: distribución normal y lognormal

• Aprender a calcular 𝑃 𝐼𝑀 > 𝑥 𝑀 = 𝑚, 𝑅 = 𝑟

CIV338 – Ingeniería Sísmica Otoño 2023 Prof. Cristian Cruz

1) Denotamos con mayúscula (e.g., 𝑌) a una variable aleatoria (v.a.)

2) Denotamos con minúscula (e.g., 𝑦) a una realización de la v.a. 𝑌

3) Denotamos 𝑓𝑌 (𝑦) a la función de densidad de probabilidades (PDF) de 𝑌

CIV338 – Ingeniería Sísmica Otoño 2023 Prof. Cristian Cruz

6) Definimos la función de probabilidad acumulada (CDF) de 𝑌 como

CIV338 – Ingeniería Sísmica Otoño 2023 Prof. Cristian Cruz

CIV338 – Ingeniería Sísmica Otoño 2023 Prof. Cristian Cruz

CIV338 – Ingeniería Sísmica Otoño 2023 Prof. Cristian Cruz

CIV338 – Ingeniería Sísmica Otoño 2023 Prof. Cristian Cruz

Función de densidad de probabilidades (PDF):

Función de prob. acumulada (CDF):

CIV338 – Ingeniería Sísmica Otoño 2023 Prof. Cristian Cruz

PDF de la distribución normal estándar:

CDF de la distribución normal estándar: -> se divide en su T se

Notar que Φ(𝑢) es simétrica, por lo tanto:

CIV338 – Ingeniería Sísmica Otoño 2023 Prof. Cristian Cruz

Distribución Normal Estándar 10

CIV338 – Ingeniería Sísmica Otoño 2023 Prof. Cristian Cruz

Distribución Normal Estándar 11

sea U-NC0,1) calcule

CIV338 – Ingeniería Sísmica Otoño 2023 Prof. Cristian Cruz

Distribución Normal Estándar 12

CIV338 – Ingeniería Sísmica Otoño 2023 Prof. Cristian Cruz

CIV338 – Ingeniería Sísmica Otoño 2023 Prof. Cristian Cruz

CDF estándar puede omitir mu y sigma:

CIV338 – Ingeniería Sísmica Otoño 2023 Prof. Cristian Cruz

Una variable aleatoria 𝑌 tiene una distribución 𝑙𝑜𝑔𝑛𝑜𝑟𝑚𝑎𝑙 si es que ln(𝑌)

Función de densidad de probabilidades (PDF):

CIV338 – Ingeniería Sísmica Otoño 2023 Prof. Cristian Cruz

Sea 𝑌 una v.a. que distribuye lognormal

CIV338 – Ingeniería Sísmica Otoño 2023 Prof. Cristian Cruz

Relación entre parámetros de 𝑌 y ln(𝑌):

• 𝜇𝑌 y 𝜎𝑌 corresponden a la media y desviación estándar de la distribución

• Comúnmente se trabaja con ln(𝑌) ya que es más fácil de calcular usando

CIV338 – Ingeniería Sísmica Otoño 2023 Prof. Cristian Cruz

Relación entre parámetros de 𝑌 y ln(𝑌):

ADVERTENCIA: En la documentación no es claro si hay que usar

Personalmente, yo prefiero calcular 𝜇𝑙𝑛𝑌 y 𝜎𝑙𝑛𝑌 y luego usar la CDF de la

Repaso: Regresiones Estadísticas 20

CIV338 – Ingeniería Sísmica Otoño 2023 Prof. Cristian Cruz

CIV338 – Ingeniería Sísmica Otoño 2023 Prof. Cristian Cruz

Repaso: Regresiones Estadísticas 22

CIV338 – Ingeniería Sísmica Otoño 2023 Prof. Cristian Cruz

• En una regresión estadística se busca predecir una variable 𝑌 a partir de

En general, en las regresiones se asume que:

CIV338 – Ingeniería Sísmica Otoño 2023 Prof. Cristian Cruz

Ecuaciones de Predicción del Movimiento de Suelo (GMPE) 24

• Apliquemos lo aprendido a un modelo que nos permita estimar la

• Buscamos una ecuación que nos permita:

1) Estimar, en promedio, la intensidad del movimiento dado que

2) Estimar la probabilidad de que, dado que ocurrió un terremoto,

CIV338 – Ingeniería Sísmica Otoño 2023 Prof. Cristian Cruz