2026-10-11T02:35:53Z https://oai.datacite.org/oai

doi:10.13127/pulseflat 2025-07-23T19:57:53Z WNGN CRUI.INGV

0 CRUI.INGV 10.13127/PULSEFLAT Mascandola, Claudia Claudia Mascandola https://orcid.org/0000-0003-1941-4679 Istituto Nazionale di Geofisica e Vulcanologia (INGV) Sgobba, Sara Sara Sgobba https://orcid.org/0000-0002-5669-8650 Istituto Nazionale di Geofisica e Vulcanologia (INGV) Istituto Nazionale di Geofisica e Vulcanologia (INGV) 2025 Output of seismological analyses pulse-like waveforms near-source ground motion flatfile wavelet analysis Felicetta, Chiara Chiara Felicetta https://orcid.org/0000-0003-2852-9144 Istituto Nazionale di Geofisica e Vulcanologia (INGV) Istituto Nazionale di Geofisica e Vulcanologia (INGV) https://ror.org/00qps9a02 1969-01-01/2022-12-31 2025-06-25 en 10.13127/ness.2.0 https://speed.mox.polimi.it/bb-speedset/ https://data.ingv.it/metadata/iso19115/10.13127/pulseflat.xml 3,43 MB for NESS2 10,4 MB for BB-SPEEDset text/csv text/plain 1.0 Open Access Creative Commons Attribution 4.0 International PulseFlat is a curated dataset of near-fault ground motion records containing velocity pulses and related parameters, which are key features in applied seismology and structural response analysis. The flatfiles include detailed waveform metadata, pulse characteristics, and classification labels, making them ready for use in machine learning applications. The core pulse identification and classification algorithms are implemented in Python 3, based on a multi-method framework that builds upon traditional wavelet-based approaches, including those by Baker (2007), Shahi and Baker (2014) and Ertuncay and Costa (2019). The PulseFlat flatfiles are built upon and extend the near-source flatfiles from NESS2 (Sgobba et al., 2021) and BB-SPEEDset (Paolucci et al., 2021), which include empirical and 3D physics-based simulated ground motion records, respectively. These datasets have been enriched with newly derived pulse parameters and classification labels. PulseFlat enables studies in ground motion modeling and hazard assessment, structural performance under pulse-like excitation and data-driven and machine learning analysis. PulseFlat è un dataset curato di registrazioni di moto del suolo in prossimità della faglia che contengono impulsi di velocità e relativi parametri, elementi chiave nella sismologia applicata e nell’analisi della risposta strutturale. I flatfile includono metadati dettagliati delle forme d’onda, caratteristiche degli impulsi e etichette di classificazione, rendendoli pronti per l’utilizzo in applicazioni di machine learning. Gli algoritmi principali per l’identificazione e la classificazione degli impulsi sono implementati in Python 3, sulla base di un framework multi-metodo che si fonda su approcci tradizionali basati sulle wavelet, inclusi quelli di Baker (2007), Shahi e Baker (2014) ed Ertuncay e Costa (2019). I flatfile PulseFlat sono costruiti ed estesi a partire dai flatfile near-source di NESS2 (Sgobba et al., 2021) e BB-SPEEDset (Paolucci et al., 2021), che includono rispettivamente registrazioni empiriche e simulazioni fisiche 3D dei moti del suolo. Questi dataset sono stati arricchiti con nuovi parametri degli impulsi e etichette di classificazione derivate. PulseFlat abilita studi sulla modellazione dei moti del suolo e valutazione dell’hazard sismico, sulle prestazioni strutturali sotto eccitazione impulsiva, nonché analisi data-driven e basate su machine learning. The flatfiles relate to two dataset: 1) NESS2: https://ness.mi.ingv.it/ 2) BB-SPEED set: https://speed.mox.polimi.it/bb-speedset/ Word Word -180 180 -90 90 Rete dei Laboratori Universitari di Ingegneria Sismica (ReLUIS) ReLUIS 2019-2021 Rete dei Laboratori Universitari di Ingegneria Sismica (ReLUIS) RELUIS 2022-2024 - WP18: Contributi normativi relativi ad azione sismica Rete dei Laboratori Universitari di Ingegneria Sismica (ReLUIS) RELUIS 2024-2026 - WP 18 - Input sismico , normativa e microzionazione