La PSHA — Analisi Probabilistica della Pericolosità Sismica — è il metodo scientifico standard per valutare il rischio sismico di un territorio. Non dice quando avverrà un terremoto: dice con quale probabilità si supererà una certa intensità di scuotimento in un dato periodo di tempo.

Utilizza la legge di Gutenberg-Richter per stimare i tassi di sismicità, modelli di attenuazione per calcolare lo scuotimento atteso, e li combina in curve di pericolosità.

Già nel 2004, la mappa INGV di pericolosità sismica — basata su PSHA — classificava L'Aquila come zona ad altissima pericolosità: PGA di 0,275g per probabilità di superamento del 10% in 50 anni. Il rischio era noto, documentato, pubblicato. La PSHA aveva ragione.

Nel 1944 Gutenberg e Richter osservarono una relazione universale tra la frequenza dei terremoti e la loro magnitudo:

dove N è il numero annuo di eventi con magnitudo ≥ M, e a e b sono costanti regionali. Il parametro b vale circa 1.0: per ogni aumento di 1 unità di magnitudo, il numero di eventi si riduce di 10 volte.

Il modello di Poisson assume che ogni evento sia indipendente da tutti gli altri: il tempo trascorso dall'ultimo terremoto non cambia la probabilità che avvenga il prossimo.

Per L'Aquila (λ = 1/630 ≈ 0.0016/anno):

Vantaggi: semplice, robusto, non richiede conoscenza del tempo trascorso dall'ultimo evento.

Limiti: non tiene conto della storia della faglia. Un terremoto avvenuto ieri è "dimenticato" dal modello — come se non fosse mai accaduto.

Il modello BPT assume che il rischio di un nuovo terremoto cresca progressivamente man mano che l'energia elastica si accumula nella faglia, per poi azzerarsi dopo ogni evento.

Il modello ETAS descrive come ogni terremoto generi la propria sequenza di aftershock in una struttura a cascata. L'intensità sismica λ(t) è:

ETAS è particolarmente potente per descrivere gli sciami sismici. Nel gennaio-aprile 2009, la sequenza aquilana era già visibile nei dati — ETAS assegnava probabilità più alte rispetto ai modelli stazionari.

Negli ultimi 15 anni il machine learning ha trasformato molti campi scientifici, inclusa la sismologia. Reti neurali capaci di:

• Identificare automaticamente le fasi P e S nei sismogrammi
• Classificare gli eventi sismici in tempo reale
• Stimare le caratteristiche delle faglie dalle forme d'onda
• Rilevare microterremoti sotto la soglia tradizionale

Limiti fondamentali: le reti neurali sono straordinarie nell'identificare pattern nei dati storici. Ma un terremoto senza precedenti — come in pianura Padana nel 2012 — può sorprenderle quanto sorprende i modelli tradizionali.

OpenQuake Engine è il software open source di riferimento mondiale per il calcolo della pericolosità sismica. Sviluppato dalla GEM Foundation, è usato da INGV, DPC e governi di 120 paesi.

• Probabilità di superamento di un dato scuotimento
• Perdite attese in vite umane ed economiche
• Mappe di rischio a scala nazionale
• Scenari di danno post-evento in tempo reale

Non è uno strumento per il pubblico generico: richiede input tecnici (modelli di sorgente, leggi di attenuazione, modelli di esposizione).