Skip to content
GitLab
Projects Groups Snippets
  • /
  • Help
    • Help
    • Support
    • Community forum
    • Submit feedback
  • Sign in
  • M MenoRischio-Progettazione
  • Project information
    • Project information
    • Activity
    • Labels
    • Members
  • Repository
    • Repository
    • Files
    • Commits
    • Branches
    • Tags
    • Contributors
    • Graph
    • Compare
  • Issues 0
    • Issues 0
    • List
    • Boards
    • Service Desk
    • Milestones
  • Merge requests 0
    • Merge requests 0
  • CI/CD
    • CI/CD
    • Pipelines
    • Jobs
    • Schedules
  • Deployments
    • Deployments
    • Environments
    • Releases
  • Packages and registries
    • Packages and registries
    • Package Registry
    • Container Registry
    • Infrastructure Registry
  • Monitor
    • Monitor
    • Metrics
    • Incidents
  • Analytics
    • Analytics
    • Value stream
    • CI/CD
    • Repository
  • Wiki
    • Wiki
  • Snippets
    • Snippets
  • Activity
  • Graph
  • Create a new issue
  • Jobs
  • Commits
  • Issue Boards
Collapse sidebar
  • menorischio
  • MenoRischio-Progettazione
  • Wiki
  • Guida
  • Sezione2.md

Sezione2.md · Changes

Page history
Update Sezione2.md authored Nov 20, 2025 by Mario Di Bacco's avatar Mario Di Bacco
Hide whitespace changes
Inline Side-by-side
guida/Sezione2.md.md
View page @ 214c3636
......@@ -88,15 +88,15 @@ $$\begin{cases} \Delta x = x_{\text{desiderato}} - x_{\text{baricentro, evento}}
Le intensità di pioggia dell'evento vengono rimodulate in modo omogeneo per adattarle al **Tempo di Ritorno ($\mathbf{T_R}$) di progetto** desiderato.
#### Metodologia di Scalatura Probabilistica
### 2.4.1 Adattamento del Tempo di Ritorno
Per eseguire la scalatura al $T_R$ desiderato, si sfrutta una **relazione empirica log-lineare** che lega la variazione percentuale dei parametri di intensità ($\Delta I$) alla conseguente variazione del Tempo di Ritorno, calcolata nello spazio logaritmico.
Per eseguire l'adattamento al $T_R$ desiderato, si sfrutta una **relazione empirica log-lineare** che lega la variazione percentuale dei parametri di intensità ($\Delta I$) alla conseguente variazione del Tempo di Ritorno, calcolata nello spazio logaritmico.
Il **Coefficiente di Sensibilità Log-Lineare ($\mathbf{K}$)** viene calibrato sul catalogo di eventi mediante analisi di regressione della sensibilità. Per ogni evento di calibrazione ($i$), si calcola:
$$K_{i} = \frac{\log_{10}(T_{R, \text{plus}}) - \log_{10}(T_{R, \text{minus}})}{\Delta I_{\text{totale}}}$$
dove $T_{R, \text{plus}}$ e $T_{R, \text{minus}}$ sono i Tempi di Ritorno risultanti dall'aumento e dalla diminuzione del $20\%$ dei parametri di intensità, e $\Delta I_{\text{totale}}$ è pari a $0.40$. Il valore finale di $K$ per la scalatura è quindi assunto come la **mediana** dei coefficienti $K_{i}$ calcolati sugli eventi con $\mathbf{T_R > 1 \text{ anno}}$, per garantire la massima robustezza statistica.
dove $T_{R, \text{plus}}$ e $T_{R, \text{minus}}$ sono i Tempi di Ritorno risultanti dall'aumento e dalla diminuzione del $20\%$ dei parametri di intensità (vedi Appendice B per i dettagli), e $\Delta I_{\text{totale}}$ è pari a $0.40$. Il valore finale di $K$ è quindi assunto come la **mediana** dei coefficienti $K_{i}$ calcolati sugli eventi con $\mathbf{T_R > 1 \text{ anno}}$, per garantire la massima robustezza statistica.
Una volta determinato il coefficiente $K$ caratteristico del bacino, l'**incremento/decremento percentuale dell'intensità ($\mathbf{\Delta I}$)** da applicare all'evento-scenario per portarlo dal suo $\mathbf{T_{R, \text{noto}}}$ al $\mathbf{T_{R, \text{desiderato}}}$ è dato da:
......
Clone repository
  • _sidebar
  • guida
    • AppendiceA.md
    • AppendiceB
    • Bibliografia.md
    • Introduzione.md
    • Sezione1.md
    • Sezione1_3.md
    • Sezione1_4.md
    • Sezione2.md
    • Sezione3.md
    • Sezione3_1.md
    • Sezione3_2.md
    • Sezione4.md
  • Home