Velasquez Jose Perdidas Sismo Curvas PDF

TESIS PUCP
Esta obra ha sido publicada bajo la licencia Creative Commons

Reconocimiento-No comercial-Compartir bajo la misma licencia 2.5 Per.
Para ver una copia de dicha licencia, visite
http://creativecommons.org/licenses/by-nc-sa/2.5/pe/
PONTIFICIAUNIVERSIDADCATLICADELPER
ESCUELADEGRADUADOS
Estimacindeprdidasporsismoenedificiosperuanos
medianteCurvasdeFragilidadanalticas
TESISPARAOPTARELGRADOACADMICO
DEMAGSTERENINGENIERACIVIL
Presentadapor
Ing.JosMartnVelsquezVargas
Asesor
Dr.MarcialBlondet
LimaPer
Agosto2006
AGRADECIMIENTOS
AmiasesorymaestroDr.Ing.MarcialBlondetporelconstanteapoyoydedicacinal
desarrollodeesteproyecto.
AmisamigosNicolaTarque,RafaelAguilar,MaraAngelaAstorga,ManuelMonroyy
Ana Bolaos, quienes compartieron sus experiencias profesionales y conocimientos
acadmicosduranteeldesarrollodeestainvestigacin.
A mis amigos Henry Len y Jorge Herrera quienes formaron parte del equipo que
iniciestalneadeinvestigacin.
AlaDireccinAcadmicaInvestigacin(DAI)delaPUCPporelapoyobrindadopara
larealizacindeestainvestigacin.
II
DEDICATORIA
AmiesposaMarianaporqueeslaluz
queenciendemividayporquesuconstante
apoyohizorealidadestetrabajo.
Amispadresyhermanosporquesonejemplode
perseverancia,defeydesacrificio.
Jos
III
RESUMEN
La constante ocurrencia de sismos en nuestro territorio ha dejado enseanzas que

debemosestudiaryanalizar,ypodermitigarelriesgossmicoalqueestnexpuestas
nuestras edificaciones. En esta tesis se desarrolla una metodologa que permite
predecir de manera razonable las prdidas por sismo en edificios peruanos. La
metodologatieneunenfoqueprobabilsticoyestbasadaencurvasdefragilidad.Las
curvasdefragilidadsonfuncionesquerepresentanlavulnerabilidaddeunaestructura
cuando est sometida a diversos niveles de intensidad ssmica. Con esta herramienta
de evaluacin se podra estimar los costos de reparacin de grupos de edificios o
evaluareldesempeodesistemasderefuerzo.Estetrabajoconstituyeunaestimacin
delriesgossmicodeedificaciones.
Lascurvasdefragilidadsongeneradasanalticamentemedianteunprocedimientode
simulacinenelquesetomaencuentalaincertidumbreyaleatoriedaddelademanda
ssmica y de las propiedades mecnicas de la estructura. Se generan una cantidad
importante de muestras de modelos con propiedades estructurales variables y un
mismonmerodeacelerogramasaleatorios.Losmodelosestructuralesgeneradosson
sometidosalosacelerogramasaleatoriosysecalculasurespuestamedianteunanlisis
dinmico nolineal. Luego, aplicando un procedimiento estadstico, se generan las
curvasdefragilidad.
Las prdidas por sismo, es decir, los costos de reparacin asociados a determinados
escenariosdepeligrossmicopuedenestimarseapartirdelascurvasdefragilidad.En
este trabajo se propone un mtodo sencillo en el que se utiliza el costo de reposicin
totalylosfactoresdedaoasociadosalosdiversosestadoslmites.
Lametodologaparagenerarcurvasdefragilidadesimplementadaenunprogramade
cmputo y se generaron las curvas de fragilidad para 2 colegios tpicos peruanos. Se
observaunamarcadadiferenciaenlavulnerabilidadssmicadeamboscolegios.
Losresultadosdemuestranquelavulnerabilidadssmicadelasestructurasestudiadas
est adecuadamente representada mediante sus curvas de fragilidad. Tambin se
concluye que pueden estimarse con una razonable precisin los costos de reparacin
estructural.Existeunaclaradiferenciaenloscostosdereparacinestimadosparalos2
colegiosestudiados.
IV
ABSTRACT
Theconstantoccurrenceofearthquakesinourcountryhasleftanimportantamountof
knowledgewhichwehavetostudyandanalyze,inorderfortobeabletomitigatethe
seismic risk in our buildings. This thesis intends to develop a methodology to
accuratelyassesstheseismiclossinPeruvianbuildings.Themethodologyemphasizes
on a probabilistic approach and is based on fragility curves. Fragility curves are
functions that represent the vulnerability of a structure when subjected to various
levelsofseismicintensity.Withthisassessmenttoolitmightbepossibletoestimatethe
repair costs of group of buildings or evaluate the performance of reinforcement
systems.Thisworkrepresentsandassessmentoftheseismicriskofbuildings.
Fragilitycurvesaregeneratedanalyticallybymeansofasimulationprocessinwhich
theuncertaintyandrandomnessoftheseismicdemandandthemechanicalproperties
ofthestructurearetakenintoaccount.Animportantquantityofsamplesofstructural
modelsisgeneratedwithvariablestructuralpropertiesandasamenumberofrandom
timehistory records (synthetic signals) is also generated. The generated structural
modelsaresubjectedtotherandomrecordsandtheirresponsesarecomputedthrough
a nonlinear dynamic analysis. Then, using statistical techniques, fragility curves are
built.
Seismicloss,thatis,therepaircostsassociatedtopredefinedseismichazardscenarios
mightbeestimatedfromthefragilitycurves.Inthisworkasimplemethodisproposed
anditusesthetotalrepositioncostanddamagefactorsrelatedtoseverallimitstates.
Themethodologytogeneratefragilitycurvesisimplementedinacomputerprogram
and fragility curves are generated for 2 typical Peruvian schools. An important
differenceconcerningtheseismicvulnerabilityisobservedbetweenbothschools.
Results show that the seismic vulnerability of the studied structures is adequately
representedbytheirfragilitycurves.Alsoitcanbeinferredthattherepaircostsofthe
structurescanbeassessedwithareasonableaccuracy.Thereisacleardifferenceinthe
repaircostsassessedforbothschools,whicharesubjectofthisstudy.
CONTENIDO
AGRADECIMIENTOS ........................................................................................................... II
DEDICATORIA.......................................................................................................................III
RESUMEN ................................................................................................................................IV
ABSTRACT ............................................................................................................................... V
CONTENIDO...........................................................................................................................VI
1INTRODUCCIN
1.1Planteamientodelproblema............................................................................................. 1
1.2Antecedentesyjustificacin ............................................................................................. 2
1.3Hiptesis .............................................................................................................................. 2
1.4Objetivos .............................................................................................................................. 3
2MARCOTERICOYMETODOLOGA
2.1Introduccin ........................................................................................................................ 4
2.2Marcoterico ..................................................................................................................... 4
2.3Conceptosrelacionadosconlainvestigacin ................................................................. 5
2.3.1Lossismos .................................................................................................................. 5
2.3.2Curvasdefragilidad................................................................................................. 6
2.3.3ConceptosbsicosdeEstadsticayProbabilidad................................................. 7
2.3.4SimulacinMontecarlo .......................................................................................... 10
2.4Metodologayplandetrabajo........................................................................................ 11
3CURVASDEFRAGILIDAD
3.1Vulnerabilidadssmica .................................................................................................... 13
3.1.1Evaluacinvisualrpidadelavulnerabilidadssmica.................................... 13
3.1.2CurvasdeFragilidadyMatricesdeProbabilidaddeDao ............................ 15
3.2MtodosparagenerarCurvasdeFragilidad .............................................................. 16
3.2.1Mtodosbasadosenobservacionesdecampo .................................................. 16
3.2.2Mtodosexperimentales ....................................................................................... 17
3.2.3Mtodosapartirdelaopinindeexpertos ....................................................... 18
3.2.4Mtodosanalticos ................................................................................................. 20
3.3CurvasdeFragilidadAnalticas..................................................................................... 21
3.3.1SimulacinMontecarloparaestimarlarespuestaestructural ......................... 22
3.3.2AnlisisDinmicoNolineal ................................................................................. 25
VI
3.3.3Funcindedistribucindeprobabilidaddeldao............................................ 26
3.3.4Generacindelascurvasdefragilidad ............................................................... 27
3.4Algoritmoparagenerarcurvasdefragilidadanalticamente.................................... 28
4PRDIDASPORSISMO
4.1Implementacindelametodologa ............................................................................... 30
4.2Curvasdefragilidadpara2colegiostpicosperuanos................................................ 31
4.2.1Colegio780antiguo(preNDSR1997) ................................................................. 31
4.2.2Colegio780nuevo................................................................................................... 33
4.2.3Desempeosismorresistente................................................................................. 35
4.2.4Curvasdefragilidaddeloscolegios .................................................................... 37
4.3Estimacindeprdidasporsismo.................................................................................. 40
4.3.1EstimacindeprdidasusandoelmtododeHAZUS...................................... 40
4.3.2Estimacinrpidausandofactoresdedao ........................................................ 40
5CONCLUSIONESYRECOMENDACIONES
5.1Conclusiones ...................................................................................................................... 43
5.2Recomendaciones .............................................................................................................. 44
REFERENCIASBIBLIOGRFICAS.................................................................................... 45
ANEXOS
A.EstimacindelpeligrossmicodelcampusPUCP......................................................... 48
B.ProgramaFragilidadv1.0 ................................................................................................... 53
VII
INTRODUCCIN
1.1 PLANTEAMIENTODELPROBLEMA
Los criterios de diseo sismorresistente han evolucionado debido a las enseanzas
dejadas por los sismos ocurridos en el mundo. En el Per, las prdidas materiales y de
vidashumanashansidoconsiderables.Losdaosobservadosenlosterremotosocurridos
durante los ltimos 10 aos en Nazca, Tacna y Moquegua han mostrado la elevada
vulnerabilidadssmicaquepresentannuestrosedificios.
Lasedificacioneseducativashandemostradoserparticularmentemuyvulnerablesdebido
asuspeculiarescaractersticasestructurales.EnelPernoexisteunametodologaparala
estimacin del riesgo ssmico de estas edificaciones. Los mtodos probabilistas se
recomiendanparaestablecerlascondicionesdeestametodologadebidoaquesetoman
en cuenta las incertidumbres en los parmetros ssmicos y estructurales (Ellingwood
2001).Esteenfoqueprobabilistapermiteestimarelriesgossmicodegruposdeedificioso
unatipologaestructural.
En el Per no existe una metodologa definida de estimacin de prdidas por sismos
mientras que en otros pases, estudios de riesgo ssmico han permitido tomar medidas
preventivas de reforzamiento en edificaciones consideradas como vulnerables. En este
trabajo se propone una metodologa de evaluacin de riesgo ssmico para edificios
peruanos que puede aplicarse a las edificaciones peruanas. Para lograr este objetivo se
necesitaconocerporunladoelgradodelaamenazassmicaalaqueestnexpuestaslas
estructuras(peligrossmico)yporotrolado,lacapacidadquetienensusedificacionesde
resistir esta amenaza (vulnerabilidad ssmica). Al combinar el peligro con la
vulnerabilidadsepuedenestimarlasprdidasporsismo(riesgossmico).
Lapresentepropuestapartedelanecesidaddecuantificarelriesgossmicodegruposde
edificaciones educativas con tipologas estructurales similares. Los resultados de esta
metodologa pueden expresarse en trminos monetarios y sern de gran utilidad para
diseadores, investigadores, expertos en seguridad y compaa de seguros, y
administradoresdesistemasesenciales(Bonett2003).
Lascurvasdefragilidadcuantificanelriesgossmicodeunaestructuraodeunatipologa
estructural.Seproponecalcularlascurvasdefragilidadparalastipologasmscomunes
enlasedificacioneseducativasperuanas.Paracalcularestascurvasseutilizarunmtodo
analticobasadoenlasimulacinestocsticadelosparmetrosssmicosyestructurales.
EstimacindeprdidasporsismoenedificiosperuanosmedianteCurvasdeFragilidadAnalticas 1
1.2 ANTECEDENTESYJUSTIFICACIN
Unodelos primerosintentosparacuantificar lavulnerabilidadssmicafuedesarrollado
por el Consejo de Tecnologa Aplicada (ATC) que plasm sus resultados en el reporte
ATC13 (1985). Este reporte cuantifica la probabilidad de dao ssmico de diferentes
tipologasdeedificiosbasndoseenlaopinindeexpertos.ElATCdesarrollunmtodo
deevaluacinvisualrpidadeedificios.EstemtodosedescribeenelreporteFEMA154
(ATC 21 2000). Esta metodologa aplicable a edificios ha sido adaptada por Muoz y
Blondet(2006)conelobjetivodereforzarlainfraestructuraeducativaperuana.
Estudiospreviosdemuestranquelavulnerabilidadssmicapuederepresentarsemediante
curvas de fragilidad y matrices de probabilidad de dao (Bonett 2003). Las curvas de
fragilidadcaracterizanlavulnerabilidaddeuntipodeestructuraypermitenestimarlas
prdidasporsismo.Elprincipalobjetivodeestetrabajoesgenerarestascurvasmediante
un mtodo analtico. Las curvas de fragilidad generadas para las tipologas
representativas de edificaciones educativas sern implementadas en la metodologa de
estimacindeprdidas.
LametodologaprobabilsticaparaestimarelpeligrossmicofuedesarrolladaporCornell
(1969 y 1970). Esta metodologa integra informacin sismotectnica, parmetros
sismolgicosyleyesdeatenuacinregionalesparalosdiferentesmecanismosderuptura.
Elresultadoesunacurvadepeligrossmico,dondeserelacionanlaaceleracinmxima
del terreno y la probabilidad anual de excedencia para un determinado tiempo de
exposicin. Monroy y Bolaos(2004) aplicaron estametodologa para generar mapas de
peligro uniforme para el Per. En al anexo A se estima la peligro ssmico del campus
PUCP y se compara estos resultados con el mapa de peligro uniforme generado por
MonroyyBolaos.
Conociendo en forma determinista los escenarios de peligro ssmico y las curvas de
fragilidaddeunaestructurasepuedenestimarelriesgossmicoolasprdidasporsismo.
Entrminosprcticos,elriesgossmicoserepresentaporloscostosdereparacinquese
debenasumirluegodelaocurrenciadeunsismo.
1.3 HIPTESIS
Los edificios peruanos, principalmente los de la costa peruana, son ssmicamente

vulnerables.
Laprediccindeterminista(unsoloanlisis)delarespuestaestructuraldeunedificio
queessometidoaunsismoconstituyesolounbosquejoasucomportamientoreal.La
prediccin probabilstica es ms bien una descripcin ms completa del
comportamiento ssmico en el que cada respuesta estructural est asociada a una
probabilidaddeocurrencia.
Es posible elaborar una metodologa para la evaluacin de la vulnerabilidad ssmica

deedificiosperuanosbasndoseenherramientasdeestudioprobabilsticas.
Las curvas de fragilidad constituyen un enfoque probabilstico para estimar de

manerarazonablelavulnerabilidadssmicadeedificios.
Las curvas de fragilidad pueden ser generadas analticamente mediante simulacin
basndose en hiptesis tericas del comportamiento estructural y de la demanda
ssmica.
Estametodologabasadaencurvasdefragilidadanalticaspermitirestimarcostosde
reparacinenformarpidaysencilla.
1.4 OBJETIVOS
El objetivo general de la tesis es contribuir a la reduccin del riesgo ssmico de las

edificacionesperuanas.Losobjetivosespecficosdelproyectoson:
Generar un procedimiento para determinar la vulnerabilidad ssmica de edificios

mediantecurvasdefragilidad.
GenerarcurvasdefragilidadparadosedificacioneseducativastpicasdelPer.
Aplicarlastcnicasyherramientasdesarrolladasparaestimarlasprdidasporsismo.
MARCOTERICOYMETODOLOGA
2.1 INTRODUCCIN
En este captulo se describe el marco terico de la investigacin, que tiene por objetivo
relacionar el problema en estudio (vulnerabilidad y riesgo ssmico de los edificios
peruanos) con las teoras, conceptos y artculos tcnicos relacionados con el tema. Se
explican algunos trminos relacionados a los sismos, las Curvas de Fragilidad y los
conceptos de Estadstica y Probabilidad utilizados en esta investigacin. Adems, se
muestralametodologadelainvestigacinyseexplicacadaunodelospasosrealizados.
2.2 MARCOTERICO
La vulnerabilidad ssmica es el nivel de dao que pueden sufrir las edificaciones

realizadasporelhombreduranteunsismo.Lavulnerabilidadreflejalafaltaderesistencia
deunaedificacinfrentealossismos(Bommeretal.1998)ydependedelascaractersticas
del diseo de la edificacin, de la calidad de materiales y de la tcnica de construccin
(Kuroiwa2002).
El peligro ssmico es la probabilidad de ocurrencia de movimientos ssmicos de cierta

intensidadenunazonadeterminadaduranteuntiempodeexposicin.Elpeligrotambin
puedeincluirotrosefectosqueelmismosismogenera,comoderrumbesylicuefaccinde
suelos(Bommeretal.1998).Elpeligrossmicoserepresentamedianteparmetrossimples
comolaintensidad,laaceleracindelterrenooelespectroderespuesta.
Elriesgossmicoeselgradodeprdidasesperadasquesufrenlasestructurasduranteel
lapsodetiempoquepermanecenexpuestasalaaccinssmica(Bonett2003,Barbart1998).
Tambin, el riesgo ssmico es definido como una funcin de la vulnerabilidad ssmica y
del peligro ssmico, que de forma general se puede expresar como: Riesgo = Peligro x
Vulnerabilidad (Fourier dAlbe 1988, Kuroiwa 2002). El riesgo ssmico combina los
resultadosdelpeligrossmicoylavulnerabilidadssmicaqueexhibenlasestructuras.Las
curvas de fragilidad constituyen una herramienta fundamental para la estimacin del
riesgossmico.
Las curvas de fragilidad representan la probabilidad de que una estructura exceda un

determinado estado lmite de dao como funcin de un parmetro que representa la
intensidadssmica.Estascurvassepuedenobtenermedianteexperimentos,observaciones
decampo,opinindeexpertosyprocesosdesimulacin.
Los mtodos analticos calculan curvas de fragilidad mediante anlisis numricos y son
empleados cuando no se dispone de observaciones de daos producidos por sismos
anteriores o suficientes resultados de ensayos de laboratorio. El mtodo analtico utiliza

tcnicas de simulacin para considerar la incertidumbre en los parmetros ssmicos y
estructurales. La simulacin Montecarlo define ambos parmetros como variables
aleatorias generadas a partir de sus funciones de distribucin de probabilidad. Para
representar la accin ssmica se generan seales sintticas y para los parmetros
estructuralesseevalasudispersinestadsticadependiendodeltipodeestructura.Para
reducirelnmerodesimulacionesrequeridasseutilizantcnicasdeoptimizacincomoel
mtodo del Hipercubo Latino Mejorado (Bonett 2003). Finalmente al definir los estados
discretosdedao(leve,moderado,severoycolapso)seobtienenlascurvasdefragilidad
queseutilizanenlaestimacindelriesgossmicodeestructuras.
2.3 CONCEPTOSRELACIONADOSCONLAINVESTIGACIN
Acontinuacindeexplicanlosconceptosrelacionadosconlainvestigacin.
2.3.1 Lossismos
Los sismos son perturbaciones sbitas en el interior de la tierra que dan origen a
vibracionesomovimientosdelsuelo.Elorigendelossismosennuestroterritoriosedebe
principalmente a la interaccin de la placa Nazca (placa ocenica) con la placa
Sudamericana (placa continental) (Fig. 2.1). Frente a la costa del Per se produce el
fenmeno de subduccin en el que la placa Nazca se introduce debajo de la placa
Sudamericana. Cuando se presenta un movimiento relativo entre estas dos placas se
generanondasssmicas,queproducenelmovimientodelsuelo.
Fig.2.1InteraccindelaplacaNazcaconlaSudamericana
(Disponiblede:www.igm.cl/Terremoto.html)
Lasondasssmicasseclasificanenondasdecuerpoyenondasdesuperficie.Lasondas
decuerposonaquellasquesetransmitendesdeelinteriordelacortezaterrestrehaciala
superficie.Encambio,lasondassuperficialessolosetransmitensobrelasuperficieyson
lasmsperjudicialesparalasedificaciones.
Paraelestudiodelossismosesnecesarioconocerdospuntosimaginarios.Unodeelloses
el foco o hipocentro, que es el centro de propagacin de las ondas smicas. El foco se
idealizacomounpuntoenlasuperficiedefalladondeseinicialaruptura.Elotropunto
importanteeselepicentro,queeslaproyeccindelfocosobrelasuperficieterrestre(Fig.
2.2).
Fig.2.2Epicentroyfoco(Disponiblede:www.harcourtschool.com)
Los sismos pueden ser medidos en funcin de su magnitud y de su intensidad. La

magnitudestrelacionadaalacantidadtotaldeenergaqueseliberapormediodelas
ondas ssmicas (Sarria 1995). La intensidad es la medida o estimacin emprica de la
vibracinosacudimientodelsuelo.Laintensidaddeunsismosemideteniendoencuenta
los daos causados en las edificaciones y en la naturaleza a travs de cmo el hombre
percibelasvibracionesssmicas(Kuroiwa2002).
2.3.2 Curvasdefragilidad
Las curvas de fragilidad, denominadas tambin funciones de vulnerabilidad,

representanlaprobabilidaddequeunaestructuraexcedaundeterminadoestadodedao
en funcin de un parmetro que define la intensidad ssmica. Estas curvas sirven para
estimarelriesgossmicodegruposdeedificiosconcaractersticasestructuralessimilares
odeunaestructuraesencial(puente,plantanuclear,aeropuerto,lneasvitales).Lascurvas
de fragilidad se pueden generar mediante observaciones de campo, basndose en la
opinindeexpertosyutilizandomtodosanalticos(Bonett2003).Cuandonosedispone
de suficiente informacin de campo, las curvas de fragilidad pueden generarse
analticamentemediantesimulacin(HwangyHuo1994).
Lafigura2.3 muestraunejemplo de curvas de fragilidad paraun tipode estructura. La

intensidad ssmica se ha definido por la aceleracin mxima del suelo. Se observa que
para una aceleracin de 0,30g (g es la aceleracin de la gravedad), la probabilidad de
queestaedificacinpresenteundaocompletoserde37%.Tambinseobservaqueel
35%deedificiosdeestetiposufrirandaosevero,el20%daomoderadoysoloel8%
daoleve,antelamismaintensidadssmicade0,30g.
La definicin de los estados de dao queda a criterio del diseador. En la figura 2.4 se
observaotroejemplodecurvasdefragilidadendondeseconsideran5estadosdedao.
Enestecaso,sedisponedemayorinformacinparatenerunamedicinmsprecisadela
vulnerabilidadssmicadelaestructura.
Fig.2.3Definicindecurvasdefragilidad
Fig.2.4Ejemplodecurvasdefragilidadpara5estadosdiscretosdedao.
2.3.3 ConceptosbsicosdeEstadsticayProbabilidad
LaEstadsticayProbabilidadsondoscamposdistintosperocomplementanelestudiode
laaleatoriedadqueesinherentealosfenmenosfsicos.MientrasquelaEstadsticatiene
que ver con la determinacin de algunas medidas de incertidumbre a partir de
experimentos realizados en objetos reales, la Probabilidad estudia modelos matemticos
idealesquepuedenaplicarsealestudiodelaaleatoriedad.LateoradelaProbabilidades
exacta en el sentido de que se trata de una rama de la Matemtica, mientras que la
Estadsticaes soloaproximada. Sinembargo, la Estadsticabrinda informacinquehace
quelosmodelosprobabilsticosseantilesenlavidareal.Esconsecuencia,lateoradela
Probabilidadresultaraintilsinlosparmetrosbrindadosporlastcnicasestadsticas.
Laconsideracindeincertidumbresenlosparmetrosestructuralesylascargasconvellan
aunadescripcinestocsticadelasrespuestasdelsistemaestructural.Paraestepropsito,
elusodemtodosexactosdelateoradelaProbabilidadestlimitadaacasossimples.El
mtodo de Montecarlo es un a herramienta general que salva esa dificultad y puede
aplicarse a casos ms complejos. Consiste en la generacin de estadsticas artificiales de
lasrespuestaspormediodemodelosprobabilsticosdelosparmetrosylascargas.
Uneventoaleatoriosedefinecomoelresultadodeunexperimentonocausal,esdecir,un
experimentoenelcualseesperanmuchosresultados.Elresultadofinaldelexperimento,
denominado realizacin, podra no coincidir con otro resultado obtenido en un intento
distinto. Por ello, luego de una intensa repeticin del experimento se obtiene una
poblacinderesultadosquedescribelaaleatoriedaddelfenmeno.Definamoseltamao
delapoblacinporN.
Existen medidas que permiten describir la aleatoriedad inherente a tal poblacin de

resultados. La medida ms bsica se denomina probabilidad del evento. Tpicamente,
eventoscomosermayorquex,estarentrexeyoserelmximodesonusualesen
ingeniera. Sea nA la cantidad de resultados de la poblacin que satisfacen el criterio de
inters del evento A. La probabilidad del evento A puede ser estadsticamente
determinadopor:
P[ A]
nA
(2.1)
La exactitud de este valor depende de cuan grande es N. De hecho, la definicin

matemticamenterigurosaes:
n
P[ A] = lm A
N N

(2.2)
Llamemos ahora X a los resultados del experimento. La Funcin de Distribucin

Acumulada(CDF)esunacoleccindeprobabilidadesparaelcasogeneraldeleventoser
menorquex,dondexsedefinecomocualquiervalorreal(figura2.5a):
FX ( x ) = P( X x )
(2.3)
Porotrolado,laprobabilidaddequeXseencuentredentrodelintervalo[a,b]estdado
por:
P(a < X b ) = FX (b ) FX (a )
(2.4)
En Estadstica, la funcin de distribucin es generada mediante un ordenamiento de la

poblacinderesultadosenordenascendenteyluegoaplicandolaecuacin:
FX ( xi ) =
i

N
(2.5)
Diversos modelos de funcin de distribucin han sido desarrollados en la teora de la

Probabilidad. Estos modelos brindan una descripcin ideal de los CDF a diferencia de
aquellosderivadosdeunanlisisestadstico.MientrasqueelobjetivodelaEstadsticaes
ajustar el mejor modelo CDF a la informacin disponible, el mtodo Montecarlo usa

modelos CDF ya ajustados de las diversas variables aleatorias para generar datos
artificiales que sern usados como entradas en un conjunto de anlisis estructurales
determinsticos.
Unmejorreflejoestadsticodelapoblacinsedenominahistograma(fig.2.5b),elcualse
obtieneagrupandolosdatosencategoras(intervalos)yasignandoacadaunodeellosel
nmero de casos que comprende. Este concepto est relacionado con el que en
Probabilidad se denomina Funcin de Densidad de Probabilidad (PDF). Algunos
ejemplosdePDFssemuestranenlafigura2.6.LarelacinentreelCDFyelPDFestdada
porlassiguientesrelacionasmatemticas:
f X (x ) =
dFX ( x )
dx
(2.6)
FX ( x ) = fU (u )du
(2.7)
(2.8)
(2.9)
locualimplicaque
b
P[a < X b] = F (b) F (a) = f ( x)dx

a
Cabenotarque
f X ( x )dx = FX ( ) = 1
locualimplicaquelaprobabilidaddesermenorqueinfinitoes1,yque
P[ x < X ] = 1 FX ( x)
(2.10)
quedefinelaprobabilidaddeleventocomplementario.
(a)
(b)
Fig.2.5(a)Funcindedistribucinacumulada(CDF)deunavariablex.(b)Histograma
tpicoparaunavariablex.
(a)
(b)
(c)
Fig.2.6Funcionestpicasdedensidaddeprobabilidad:(a)Distribucinuniforme,(b)
Distribucinnormaly(c)Distribucinlognormal.
2.3.4 SimulacinMontecarlo
Un primer anlisis de la incertidumbre en la respuesta de un sistema con propiedades

aleatorias se realiza mediante su descripcin estadstica. La simulacin Montecarlo es el
mtodo ms general y el ms preciso para lograr este objetivo. Debido a que la
distribucin de probabilidad de las respuestas no estn disponibles en muchos casos, a
excepcindelosmssimples,yteniendoencuentalasposibilidadesderealizarmuchos
clculos en paralelo (aplicaciones distribuidas) con computadoras potentes, el mtodo
Montecarlo se ha convertido en la herramienta ms verstil y ms poderosa para el
anlisisde incertidumbre de sistemasde cualquier tipo y naturaleza (Bratley etal. 1987,
Rubinstein1981yRipley1987).
LaideageneraldelmtodoMontecarlopuederesumirsedelasiguientemanera:seanlas
respuestasydeunsistemadependientesdeunconjuntodevariablesaleatoriasx,cuyas
descripciones probabilsticas marginales (funciones de densidad de probabilidad, PDFs)
son conocidas. Mediante tcnicas y algoritmos ya probados, una gran poblacin de
muestras de cada una de estas variables (usualmente llamadas variatas) pueden ser
generadas, de tal manera que sus histogramas se aproximen ms a las marginales
mientras ms grande sea la poblacin. Una poblacin de muestras del mismo tamao
puede obtenerse ejecutando un solver (calculadora) de manera determinista,
reemplazando aleatoriamente los valores de las variables aleatorias correspondientes en
cadaejecucin.
Existen 2 mtodos generales para generar variatas aleatorias que corresponden a

distribucionesmarginales: elmtodo de la Inversiny el mtodo de laExclusin. Enel
mtododelaInversin,nmerosaleatoriosuniformementedistribuidosuisongenerados
en el rango (0,1) y las correspondientes variatas son calculadas por inversin de la
funcindedistribucindelavariable(figura2.7).ElmtododelaExclusinestbasado
enlasiguienteidea:unavariablealeatoriaesgeneradausandounadensidadficticiaque
envuelvealvalorobjetivoycuyareapuedesermayorqueuno,locualindicaquenoes
una funcin de densidad real sino solo un artificio matemtico. El valor generado es
aceptado con una probabilidad especificada que depende de la relacin entre las
densidades verdadera y ficticia. Sin embargo, en muchos casos se prefiere los mtodos
paragenerarvariatasquesonespecficasacadatipodedensidadmarginal.
Fig.2.7MtododelaInversinparagenerarvariatasaleatorias.
El mtodo formulado arriba es un mtodo mejor conocido como Muestreo Aleatorio

Simple porque no se optimiza la poblacin de muestras con el objetivo de reducir su
tamaoysinsacrificarlacalidaddeladescripcinestadsticadelsistema.Mientrasesta
tcnicapuedeserrpidaparaelanlisisdeconfiabilidaddecomponentessimplesoan
para estructuras con un reducido nmero de grados de libertad, es muy costoso en
trminosdeesfuerzocomputacionalparasistemasgrandes.Parareducireltamaodela
muestraseutilizalatcnicadelHipercuboLatino(Florian1992).
2.4 METODOLOGAYPLANDETRABAJO
Paraeldesarrollodelproyectosehanrealizadoinvestigacionesexclusivamentetericas.
La investigacin involucr el estudio de las metodologas para generar curvas de
fragilidad, el anlisis de los parmetros involucrados en el proceso de simulacin y la
implementacindeunprogramadecmputoparagenerarcurvasdefragilidad.
Lametodologaparaeldesarrollodelainvestigacinfuelasiguiente:
a)Investigacinbibliogrfica
Se busc informacin sobre estudios de vulnerabilidad y riesgo ssmico en edificios. En

particular, se estudi las curvas de fragilidad y sus mtodos para generarlas. El mtodo
analticoconsistenteensimulacinfueeldeintersparaestetrabajo.
Tambin se recurri a la lectura de artculos tcnicos relacionados con la generacin de

curvasdefragilidaddesistemasestructurales.
b)Revisindeprogramasdecmputo
Serevislosprogramasdecmputodisponiblesparalasimulacindesistemasfsicosen
general.EnprimertrminosereviselprogramaSTORM(EASI2002)cuyafinalidades
evaluarelcomportamientoestocsticodesistemasfsicosmediantesimulacin.
A partir de este programa se opt por desarrollar uno de similares caractersticas pero
aplicado particularmente al anlisis ssmico de estructuras. Este programa denominado
FragilidadsecodificenMatLab.
Se estudi el manejo del programa DRAIN2DX (Prakah et al. 1993) para realizar el
anlisis dinmico nolineal de estructuras planas. Este programa es utilizado por el
programaFragilidadcomounmduloqueseencargaderealizarelanlisisssmico.
Se estudi el manejo del programa SIMQKE1 (Vanmarcke et al. 1976) para generar
seales sintticas (registros de acelerogramas aleatorios). Este programa tambin es
utilizadocomounmdulodentrodelprogramaFragilidad.
c)DesarrollodelmtodoanalticoparagenerarcurvasdeFragilidad.
Se desarroll el mtodo analtico para el clculo de curvas de fragilidad. Esta etapa

comprende la elaboracin del algoritmo para la simulacin. Las partes ms importantes
de este algoritmo son la definicin de los estados de dao, y la definicin de la
incertidumbre y aleatoriedad de los indicadores de la accin ssmica y los parmetros
estructurales.
Adems se estudi el procedimiento para realizar el anlisis dinmico nolineal de las

estructurassimuladasylosmtodosestadsticosparaprocesarlosresultados.
Todas las etapas del algoritmo para generar curvas de fragilidad fueron implementadas
enelprogramaFragilidad.
d)Implementacinenunprogramadecmputo
Se implement un programa en Matlab (MathWorks 2002) para generar curvas de

fragilidad mediante simulacin. El programa se aplica a estructuras planas y utiliza el
DRAIN2DX para realizar el anlisis dinmico nolineal y SIMQKE para generar
acelerogramasaleatorios.
e)Estimacindeprdidas
Se desarroll una metodologa rpida para estimar costos de reparacin a partir de las
curvasdefragilidad.EstametodologaestbasadaenlosconceptosdelmtodoHAZUS
(FEMA1999).
f)Aplicacinaedificiosperuanos
Segenercurvasdefragilidadpara2edificacioneseducativastpicasysecalcularonsus
prdidasprobables(costosdereparacin)para3escenariosdepeligrossmico.
CURVASDEFRAGILIDAD
3.1 VULNERABILIDADSSMICA
En este captulo, se describen los conceptos relacionados con la evaluacin de la

vulnerabilidad ssmica de edificios. Las curvas de fragilidad son las que representan en
formamsgenerallavulnerabilidadssmicadelasestructuras.
Pararepresentaravulnerabilidadssmicadeunaestructura,demanerageneral,pueden
mencionarse dos tcnicas. La primera la constituye la evaluacin visual y rpida de la
vulnerabilidadssmicamientrasquelasegundaesmssofisticadayrequieredeanlisis
ms detallados. De los mtodos sofisticados se describir el mtodo analtico basado en
curvasdefragilidad.
3.1.1 Evaluacinvisualrpidadelavulnerabilidadssmica
Laevaluacinvisualrpidadeedificacionesesunadelasmuchasmetodologasusadas
paralaestimacindelavulnerabilidadssmicadelasedificaciones.Estametodologase
basaenelprocedimientodeasignacindepuntajesalasestructurasytieneelobjetivode
identificar los edificios potencialmente vulnerables por medio de las deficiencias
estructurales que presentan. Los reportes FEMA 154 y FEMA 155 (1988) describen el
procedimiento de Evaluacin Visual Rpida (PEVR), donde los edificios pueden ser
evaluados rpidamente y ser calificados como ssmicamente aceptables o ssmicamente
vulnerables.
El procedimiento de evaluacin visual rpida (PEVR) permite identificar rpida y

fcilmente aquellos edificios que podran causar perdida de vidas, daos o una severa
interrupcinde los servicios bsicos de la comunidad debidoa un evento ssmico. Este
procedimiento se realiza con la intencin de ser un mtodo rpido y relativamente
econmico,aplicableaunagrancantidaddeedificaciones.
El mtodo genera un puntaje estructural P, el cual resulta de una serie de puntajes y

modificadores basadosenlos atributos del edificio que puedenser vistos desde la calle.
Un puntaje bajo P sugiere que el edifico requiere un estudio adicional por un ingeniero
estructural quetenga experiencia en el diseossmico, y un alto puntaje P indica queel
edificioesadecuado.
Uninspectorpreviamentecalificadoypreparado,completalosdatosquesepidenenuna
ficha de de evaluacin (figura 3.1) basndose en una revisin rpida del edificio que
puededemorarentre15a20minutos.Lametodologaseiniciaidentificandoelsistema
estructural y el material del que esta construido el edificio. En el formulario se
contemplan puntajes de riesgo bsicos para diferentes tipologas de edificaciones que

sonproductodelprocesamientodedatosdeencuestasrealizadasaexpertos.Latareadel
inspectorconsisteenmodificarestospuntajes,conalgunospuntajesmodificadoresque
serelacionanconlascaractersticasquepresentaeledificio.Lospuntajesmodificadores
calificanlosdefectosobondadesenelsistemasismorresistente.Finalmentesellegaaun
puntajeestructuralPdecadaunodelosedificiosqueseevalan.ElpuntajePcalificael
potencial peligro de una edificacin ante la ocurrencia de un sismo. Este puntaje
usualmente vara entre 0 y 6. A mayor puntaje implica mejor comportamiento ante la
ocurrenciadeunsismo.
El resultado final es una lista de edificios evaluados que sern divididos en dos
categoras:Losquemantienenunnivelderiesgoaceptableconelfindesalvaguardarla
vidadelosocupantesylosquepodranserssmicamentevulnerablesyquedebernser
estudiados minuciosamente en el futuro. Para dividir en estas dos categoras se deber
decidir un puntaje que ser el lmite entre ambas y que en el caso de la comisin
elaboradoradeFEMA154fuede2.
ATC21(AreasNEHRP5,6,7Alta)
DIRECCION:
ZIP:
PEVRDEEDIFICACIONESPOTENCIALMENTESISMICAS
OTRASCARACTERISTICAS
NoPISOS:
AOCONSTR.:
EVALUADOR:
FECHA:
AREATOTALDELAEDIFICACION.
NOMBREDELAEDIFICACION:
USO:
USO
PUNTAJESESTRUCTURALESBASICOSYMODIFICADORES
RESIDENCIAL
COMERCIAL
TIPOLOGIA
S1
S2
S3
S4
C1
C2
C3/S5
PC1
PC2
RM
URM
NoPERSONAS
BASICO
4.5
4.5
5.5
3.5
1.5
1.5
010
ALTURA
N/A
N/A
0.5
N/A
0.5
0.5
COND.POBRE
0.5
0.5
0.5
0.5
0.5
0.5
0.5
0.5
0.5
0.5
0.5
0.5
0.5
OFICINA
INDUSTRIAL
PUBLICO
11100
COLEGIO
100+
IRREG.VERT.
0.5
0.5
0.5
0.5
0.5
0.5
0.5
0.5
EDIF.GOBIERNO
PISOBLANDO
2.5
SERV.EMERG
TORSION
EDIF.HISTOR.
IRREG.PLANTA
0.5
0.5
0.5
0.5
0.5
0.5
0.5
PELIGRO
CHOQUE
N/A
0.5
0.5
N/A
0.5
0.5
N/A
N/A
N/A
0.5
N/A
N/A
COLUM.CORT
N/A
N/A
N/A
N/A
N/A
N/A
N/A
N/A
NORMAACT
N/A
N/A
S1
0.3
0.3
0.3
0.3
0.3
0.3
0.3
0.3
0.3
0.3
0.3
0.3
S2
0.6
0.6
0.6
0.6
0.6
0.6
0.6
0.6
0.6
0.6
0.6
0.6
S3
N/A
0.8
0.8
N/A
0.8
0.8
0.8
0.8
N/A
0.8
0.8
0.8
NOESTRUCTURAL
CONFIANZAENLOSDATOS
PUNTAJEFINALP
COMENTARIOS
REQUIERE
EVALUACION
POSTERIOR?
SI
NO
Fig.3.1FormulariodeEvaluacinVisualRpidapropuestoporFEMA154(1988).
3.1.2 CurvasdeFragilidadyMatricesdeProbabilidaddeDao
Lascurvasdefragilidadsonunaherramientaprobabilsticaqueconstituyenlabasepara
la estimacin del riesgo ssmico. Los mtodos para generar estas curvas son diversos y
entre ellos destacan los mtodos basados en observaciones de campo, los mtodos
experimentales, los mtodos basados en opinin en expertos y los mtodos analticos
(Bonett2003).
Las curvas de fragilidad, denominadas tambin funciones de vulnerabilidad,

representanlaprobabilidaddequeunaestructuraexcedaundeterminadoestadodedao
en funcin de un parmetro que define la intensidad ssmica. Estas curvas sirven para
estimarelriesgossmicodegruposdeedificiosconcaractersticasestructuralessimilares
o de una estructura esencial (puente, planta nuclear, aeropuerto, lneas vitales). Cuando
no se dispone de suficiente informacin de campo, las curvas de fragilidad pueden
generarseanalticamentemediantesimulacin(HwangyHuo1994).
Lafigura3.2 muestraunejemplo de curvas de fragilidad paraun tipo de estructura. La

intensidadssmicasehadefinidomedianteeldesplazamientoespectralSd.Seobservaque
paraundesplazamientoespectralD,laprobabilidaddequeestaedificacinpresenteun
daocompletoserde10%.El70%deedificiosdeestetiposufrirandaoseveroyel20%
daomoderado,antelamismaintensidadssmica.
Fig.3.2Ejemplodecurvasdefragilidad(Muoz2004)
Lasmatricesdeprobabilidaddedaosonotraformaderelacionar(enformadiscreta)la
intensidad ssmica con los estados de dao. Estas matrices expresan la probabilidad de
obtenerundeterminadoniveldedaoparaunaestructurasujetaaunsismoconunnivel
deseveridaddeterminado(Bragaetal1986).
Enlatabla3.1semuestraunejemplodematrizdeprobabilidaddedaoparaotrotipode
estructura. En este caso, se observa que para un sismo de intensidad IX en la escala de
Mercalli Modificada (MMI) se tiene una probabilidad de 3,0% de alcanzar dao ligero;
68,1%paradaomoderadoy28,9%paradaopesado.

Tabla3.1MatrizdeprobabilidaddedaopropuestaporelATC13paraunatipologa
estructural(1985)
Estado de
Dao
Rango Factor Factor Central

Dao (%)
Dao (%)
Probabilidad de dao en porcentaje para c/IMM y

estado de dao
VI
1-Sin Dao
2-Mnimo
3-Ligero
4-Moderado
5-Pesado
6-Mayor
7-Destruccin
0
0-1
1 - 10
10 - 30
30 - 60
60 - 100
100
0,0
0,5
5,0
20,0
45,0
80,0
100,0
0,1
27,0
72,9
VII
2,2
89,3
8,5
VIII
IX
32,2
66,9
0,9
3,0
68,1
28,9
XI
XII
19,9
74,2
5,9
3,9
57,8
38,3
0,1
12,4
84,3
3,2
3.2 MTODOSPARAGENERARCURVASDEFRAGILIDAD
3.2.1 Mtodosbasadosenobservacionesdecampo
Los mtodos utilizados para la generacin de curvas de fragilidad a partir de los daos
observados,son de granutilidadparacalibrar los resultados obtenidos con los mtodos
analticosy/oensayosdelaboratorio.
Estosmtodosconsistenbsicamenteenlassiguientesetapas(Bonett2003):
Se define n el nmero de sismos para los cuales se cuenta con informacin de

daos.
Para cada sismo i, determinamos el parmetro que define la intensidad ssmica,
por ejemplo, la aceleracin mxima del terreno ai registrada en cada zona en
estudio.Estoes:
ai = PGAi para i=1,2,3,,n
donde a1<a2<<an
Se determina el nmero de estructuras Nk sometidas a un sismo i con una

aceleracinmximadelterrenoigualaai.
SedefinenlosestadosdiscretosdedaoEDj.
SecalculaelnmerodeestructurasmlqueexcedenlosestadosdedaoEDj,para
cadaai.
ParacadaestadodedaoEDj,seestimalaprobabilidaddefallafi delaestructura
cuando se ve sometida a un sismo con un PGA= ai, mediante la siguiente
expresin:
fi =
ml
Nk
Se ajusta una funcin de distribucin para el grupo de datos obtenidos (ai, fi)
correspondientes a cada estado de dao EDj, como por ejemplo una funcin log
normal.

Los mtodos basados en las observaciones de campo, slo deben ser utilizados para
evaluar,demaneraglobal,elcomportamientodelasestructurasdeunamismaclaseyno
son recomendados para el anlisis de una estructura en particular. Un ejemplo de
aplicacin de este tipo de metodologas, son las curvas de fragilidad desarrolladas por
Yamazaki y Murao (2000) para los edificios en Japn (figura 3.3), a partir del informe
realizado por el gobierno de las ciudad de Nishinomiya de los daos observados en
diferentes estructuras despus del sismo del 17 de Enero de 1995 en HyogokenNanbu
(KobeJapn).
Fig.3.3Curvasdefragilidadparaedificiosjaponesesdeconcretoarmado,generado
medianteobservacionesdecampo(YamazakiyMurao2000)
3.2.2 Mtodosexperimentales
El mismo procedimiento utilizado para generar las curvas de fragilidad a partir de

observacionesdedao,puedeserempleadoparalosdatosobtenidosapartirdeensayos
de laboratorio. En este caso, el rango de intensidades y el tipo de estructura puede ser
controlado de acuerdo a los requerimientos establecidos previamente. Sin embargo, los
ensayos pueden ser costosos y la cantidad de observaciones de daos est limitada al
nmero de pruebas que se realicen. En la actualidad, existen bsicamente dos tipos de
ensayosquepuedenserutilizadosparaconstruirestascurvas:
Ensayos de carga monotnicamente creciente mediante actuadores de carga o

desplazamientos.
Ensayossobremesavibradora,utilizandoregistrostiempohistoriadeaceleracin.
Ambosensayosproporcionaninformacindegranutilidad.Losensayosdelsegundotipo
sonmuchomsrealistas,debidoaquerepresentan,deunaformamsadecuada,laaccin
ssmica.
Chong y Soong (2000) desarrollaron curvas de fragilidad experimentales para
componentesnoestructurales.Paraello,determinaronlosdesplazamientosrelativosentre
un bloque rgido independiente yuna superficie de piso rugosa, a partir de los ensayos
realizados en una mesa vibradora utilizando cinco registros de aceleraciones de sismos

tpicos (El centro, Taft, Pacoima, Kobe y Northridge) elegidos aleatoriamente. Se
consideraroncincovaloresdeaceleracinmximahorizontal(hPGA=0,3;0,4;0,5;0,6y
0,7g)ycuatrofactoresdeescaladiferentespararepresentarlaaceleracinmximavertical
vPGA/hPGA=0,1/4,1/3y1/2.ElprimerodeestosfactoresvPGA/hPGA=0corresponde
al caso en que no se considera la componente de aceleracin mxima vertical. Las
medicionesdelosvaloresdehPGAyvPGAsehicieronenvariospuntosdelamesa.Para
medir los desplazamientos horizontales del bloque, se utilizaron tanto transductores de
desplazamiento (Temposonic displacement transducers LVDT) como indicadores
permanenteslocalizadossobrelasuperficiededeslizamiento.Seconstruyeroncurvasde
fragilidad para 8 umbrales de desplazamiento relativo entre 0,1 y 3 pulgadas. Estos
umbralespuedenrelacionarsedirectamenteconlosestadosdiscretosdedao.LaFigura
3.4 muestra un ejemplo de las curvas obtenidas para un umbral de desplazamiento
relativo igual a 1 pulgada. En el eje de las abscisas estn los valores de aceleracin
mxima horizontal, hPGA, y en las ordenadas las probabilidades de que el
desplazamientorelativoseamayoroiguala1pulgada.
Figura3.4Ejemplodecurvasdefragilidadexperimentalesparaundesplazamientorelativo
mximode1pulgada(ChongySoong,2000).
3.2.3 Mtodosapartirdelaopinindeexpertos
Laestimacindelporcentajeesperadodedaoquepuedesufrirungrupodeestructuras
ante una intensidad ssmica dada, se determina tambin a partir de las respuestas de
expertosenanlisis,diseoypatologaestructural,aunaseriedepreguntasrelacionadas
con el comportamiento de la estructura considerada. A partir de esta informacin se
puede calcular un parmetro cuantificador del dao, que es funcin de la intensidad
ssmica del movimiento. Una vez calculado este factor, para todas las estructuras
correspondientes a una misma clase, se determinan los estadsticos de los resultados
obtenidosyseajustaunafuncindedistribucindeprobabilidad(generalmenteseutiliza
lafuncinbeta).Posteriormente,seestablecenlosestadosdiscretosdedaoquesedesean
considerar y, para cada uno de estos, se define un intervalo de variacin del parmetro
cuantificador del dao. Las probabilidades para cada estado de dao se pueden
determinar integrando la funcin de distribucin elegida entre los lmites de los

respectivos intervalos. Las curvas de fragilidad se obtienen graficando estas
probabilidadesparacadavalordelaintensidadssmica.
Anagnos et al., (1995) siguieron este mtodo para transformar las matrices de
probabilidaddedaodelATC13,encurvasdefragilidadpara40clasesdeedificios.Para
ello, utilizan la escala de intensidad de Mercalli modificada MMI para caracterizar la
demanda ssmica y el factor de dao df para representar el comportamiento de la
estructura. Este parmetro se define como la relacin entre el costo de reparacin y el
costodereposicinparaundeterminadovalordelaintensidadssmicadelmovimiento.
Seconsideran7valoresdeMMI(variandoentreVIyXIIcadagradodeintensidad)y6
factoresdedaodf(0.1%,1.0%,10%,30%,60%y99%).Paracalcularlasprobabilidadesde
excedencia,seutilizanlosintervalosdevariacinpropuestosenelATC13(verTabla3.2)
y la funcin de distribucin beta. As por ejemplo de acuerdo a la Tabla 3.2, la
probabilidad de exceder o igualar el estado de dao Mayor se obtiene integrando la
funcindedistribucindeprobabilidadbetaparalosvaloresdelfactordedaomayores
o iguales al 60 %. La Figura 3.5 muestra cinco curvas de fragilidad para un edificio de
mampostera no reforzada de elevacin media obtenidas mediante este mtodo. En este
caso,losestadosdedaoestnrepresentadosporlosvaloresdiscretosdelfactordedao.
Tabla3.2.Estadosdiscretosdedaoeintervalosdevariacindelfactordedao(ATC,
1985).
Figura3.5Ejemplodecurvasdefragilidadobtenidasapartirdelaopinindeexpertos
paraunedificiodemamposteradeelevacinmedia(Anagnosetal.,1995).dfeselfactor
dedaoodamagefactor.
Aguilar y Astorga (2006) desarrollaron un mtodo basado en opinin de expertos para

generarlascurvasdefragilidaddeestructurasdeedificacioneseducativasperuanas.Enla
figura3.6semuestraelformatodeencuestautilizadoparaentrevistaralosexpertos.
Figura3.6FormatodeencuestautilizadoporAguilaryAstorga(2006)paragenerarcurvasde
fragilidadbasadoenopinindeexpertos.
3.2.4 Mtodosanalticos
Estosmtodosutilizananlisisnumricosypuedenserempleadosparazonasdondeno
se dispone de observaciones de daos debidos a sismos, ni de suficientes resultados de
ensayosdelaboratorio.
Los resultados obtenidos con este tipo de mtodos, son muy sensibles a los modelos
construidos para representar las estructuras y la accin ssmica, por lo tanto, deben
utilizarse modelos que representen de la mejor forma posible tanto el comportamiento
ssmicoestructuralcomolasprincipalescaractersticasdelosmovimientosdelterreno.
Los recientes avances en la ingeniera ssmica indican que los mtodos probabilistas
deben ser utilizados para proporcionar las bases para la mejora del diseo
sismorresistente de estructuras y para establecer las condiciones de las metodologas de
evaluacindeldao.
Lascomparacionesrealizadasentrelosdaosobservadosyloscalculados,muestranque,
a pesar de los recientes avances en el anlisis dinmico no lineal y en el modelado de
estructuras, hay fuertes limitaciones en utilizar mtodos puramente deterministas para
evaluareldaoenlasestructurasdespusdeocurridounsismo.Lasincertidumbrestanto
en los parmetros ssmicos como estructurales, pueden producir discrepancias
significativasentreelcomportamientoobservadoyelcalculado.Porlotanto,losmtodos
probabilistas son esenciales para proporcionar una perspectiva del comportamiento
estructuralantelaocurrenciadeundeterminadosismo(Ellingwood,2001).
La metodologa para generar curvas de fragilidad mediante un mtodo analtico

consideralavariabilidadyaleatoriedadenlosparmetrosdelaestructuraydelaaccin
ssmica.Porlotanto,stametodologaconsisteenunprocesodesimulacin,talcomose
describedemaneradetalladaenelsiguienteapartado.
3.3 CURVASDEFRAGILIDADANALTICAS
El mtodo analtico para generar curvas de fragilidad se emplea en zonas donde no se

dispone de suficiente informacin de daos producidos por sismos, ni de suficientes
ensayosdelaboratorio(Bonett2003).
Elprocedimientoparagenerarcurvasdefragilidadconsisteencalcularlarespuestadeun
grupo significativo de estructuras ante diferentes niveles de demanda ssmica. Del
procesamiento estadstico del nivel de dao encontrado se obtienen las curvas de
fragilidad.Paragenerarlamuestrasetomanencuentalasvariacionesenlaspropiedades
estructurales, en la demanda ssmica y en los estados de dao representado por un
parmetroindicadordeldao(PID).Usando,luego,procedimientosdeanlisisdinmico
nolineal, se calcula la respuesta y se construyen funciones de distribucin de
probabilidad para el dao alcanzado. Finalmente, en base a estas funciones se logra
representarlavulnerabilidadmediantecurvasdefragilidadomatricesdeprobabilidadde
dao.Lasetapasdeestametodologasemuestranenlafigura3.7
Figura3.7Metodologaparalasimulacindelascurvasdefragilidad(AdaptadodeBonett2003)
3.3.1 SimulacinMontecarloparaestimarlarespuestaestructural
ElmtododeMontecarloes unatcnicadesimulacin quepermite estimarlarespuesta

de procesos estocsticos. A partir de funciones de distribucin de probabilidad de las
variables del proceso se pueden estimar las respuestas (Bonett 2003, Erberik y Elnashai
2004).Paraestudiarlavulnerabilidaddeedificios,segeneraunconjuntodemuestrasde
las variables que representan los parmetros ssmicos y estructurales. Los valores para
cada parmetro se eligen en forma aleatoria a partir de su funcin distribucin de
probabilidad. Para obtener resultados confiables se requiere de un gran nmero de
ejecuciones. Para reducir el tamao de la muestra se utiliza la tcnica del Hipercubo
Latino(Florian1992).Estatcnicapermitereducirlamuestraa100modelosestructurales
que representan razonablemente bien las incertidumbres en las variables ssmicas y
estructurales.
a) EstadosdeDao
Losestadosdedaonormalmenteseclasificancomo:sindao,leve,moderado,severoy
colapso. Debido a que los elementos estructurales y no estructurales son sensibles a los
desplazamientosrelativosdeentrepiso,seproponeenestemtodousarladerivamxima
deentrepisoDmxcomoParmetroIndicadordelDaoEstructural(PID).Esteconceptose
ilustraenlafigura3.8.
Figura3.8DefinicindelconceptodederivadeentrepisoDmx=d/hp(izquierda)yrelacinentrelas
derivasmximasdeentrepisoylosdesplazamientosespectralesobtenidoselespectrode
capacidad(derecha).
ApartirdelarelacinentrelasderivasmximasdeentrepisoDmxomax(expresadocomo
un porcentaje de hp) y los desplazamientos espectrales obtenidos del espectro de
capacidaddelaestructura,esposibledeterminarlosestadosdedaodiscretos.
b) Parmetrosssmicos
Para representar la accin ssmica en el anlisis nolineal se utilizan seales sintticas
(acelerogramas aleatorios). Se generan seales compatibles con el espectro de peligro
uniformedelsitio.EstassealessintticassegeneranparaunParmetroindicadordela
IntensidadSsmica(PIS).ElPISutilizadoeslaaceleracinmximadelsuelo(PGA)debido
a que el peligro ssmico est definido en funcin de este parmetro en todo el territorio
peruano.Enlafigura3.9seobservanacelerogramasgeneradosparaundeterminadositio
con PGAs de 0,20g y 0,40g compatibles con el espectro elstico de diseo de la norma
peruana.
Figura3.9Sealessintticasgeneradosparaunaaceleracinmximadelterreno(PGA)de0,20g
(izquierda)y0,40g(derecha).

EstassealesdegenerandemaneraaleatoriamedianteelprogramaSIMQKEteniendoen
cuentaquesuespectroderespuestaseacompatibleconelespectrodediseodelanorma
peruana de diseo sismorresistente. En la figura 3.10 se muestran algunos espectros de
respuestacalculadosparaacelerogramasaleatorios.
Figura3.10EspectrosderespuestageneradosenSIMQKEparaalgunassealessintticas.
c) Parmetrosestructurales
Si observamos el grupo de viviendas de la figura 3.11 notamos que las estructuras son
muy similares. Sin embargo, a pesar de que estas viviendas pueden haber sido
construidos por la misma compaa o el mismo personal del trabajo, e inclusive con los
mismos materiales, existe la posibilidad de que sus propiedades mecnicas presenten
variabilidad. En consecuencia, el comportamiento frente a los sismos tambin ser
variable. Es por ello que se debe considerar de manera estocstica la variabilidad e
incertidumbre en los parmetros estructurales. En este estudio se toman en cuenta
aquellosparmetrosquedeterminanelcomportamientonolinealdelaestructura.
Figura3.11Viviendasconsimilarescaractersticasarquitectnicasyestructurales.

Para las estructuras de concreto armado estudiadas, los parmetros estructurales
considerados fueron la resistencia a la compresin del concreto (fc) y el esfuerzo de
fluencia del acero de refuerzo (fy), tal como se muestran en la figura 3.12. De acuerdo a
datos experimentales el fy se ajusta mejor a una distribucin lognormal. Para el fy de
4200kgf/cm2seusaunamediade4800kgf/cm2yuncoeficientedevariacindel6%.Enel
concreto, es tpico utilizar la distribucin normal y para un concreto con fc de 280 kg
f/cm2seadoptaunamediade320kgf/cm2yuncoeficientedevariacindel15%.
Figura3.12Funcionesdedistribucindeprobabilidadparalaresistenciaacompresindel
concreto(distribucinnormal)yelesfuerzodefluenciadelacero(distribucinlognormal).
3.3.2 AnlisisDinmicoNolineal
El modelo estructural considera elementos unidimensionales con rtulas concentradas

por flexin y rtulas concentradas por corte, de tal manera que se toma en cuenta la
degradacin de la rigidez y la prdida de resistencia de los elementos del sistema
estructural a travs del tiempo. Los modelos simulados son sometidos a las seales
sintticas que representan el movimiento ssmico. Para realizar el anlisis nolineal se
utiliza el programa DRAIN2DX (Prakah et al. 1993). En la figura 3.13 se observa una
respuestadedesplazamientotpicadeunanlisisdinmiconolineal.
Figura3.13Respuestasdedesplazamientoenazoteaparaunaestructuraplana,estimadas
medianteDRAIN2DX(arriba)ySAP2000(abajo).
3.3.3 Funcindedistribucindeprobabilidaddeldao
Apartirdelosresultadosobtenidosdelprocesodesimulacin,seobtienenlasfunciones
de distribucin de probabilidad del PID para cada nivel de intensidad ssmica (PIS). La
figura3.14muestraunejemploparalosdesplazamientoslateralesmximosdeuncolegio
tpico peruano. Estas curvas fueron ajustadas mediante polinomios cbicos normales
(HongyLind1996).
Fig.3.14Funcindedistribucindeprobabilidadacumulada(fdp)delosdesplazamientos
lateralesmximosparaunmodelodecolegiotpicoperuano.
3.3.4 Generacindelascurvasdefragilidad
Utilizando las funciones de distribucin condicional del parmetro de respuesta

estructural(figura3.14)ylosvaloreslmitesquedefinenlosestadosdiscretosdedao,se
obtienenlascurvasdefragilidadquerelacionanelParmetroindicadordelaIntensidad
Ssmica (PIS) con la probabilidad de excedencia (FD) de un estado de dao EDi (Bonett
2003).stoes:
(3.1)
Lafigura3.15muestraelprocedimientodeobtencindeunacurvadefragilidadparael
caso del estado de dao severo. Por ejemplo, para un PGA de 0,20 g, y mx = 0,90 %
correspondiente al estado de dao severo, se tiene una fdp de 0,50. La probabilidad de
excedenciaseobtienecomoFD=1fdp=10,50=0,50;querepresentaunaprobabilidad
del50%de alcanzaroexcederelniveldedaoseveroparaunaaceleracinmximadel
terreno de 0,20g. Los puntos as obtenidos se pueden tambin ajustar a los polinomios
normalespropuestosporHongyLind(1996)oaunadistribucinlognormal.Seaplicael
mismo procedimiento para los dems estados de dao y se obtienen curvas como las
mostradasenlafigura3.2.
Figura3.15Procedimientoparalaobtencindelascurvasdefragilidadapartirdelasfdpydelos
umbralesdelosestadosdiscretosdedao.a)Paraelumbraldedaosevero(mx=0,9%)seleen
lasfdpscorrespondientesacadaPGA.b)FDiseobtienecomo1fdpiyseajustalacurvade
probabilidadalospuntosobtenidos.(Bonett2003).
3.4 ALGORITMOPARAGENERARCURVASDEFRAGILIDADANALTICAMENTE
En esta investigacin se ha implementado un algoritmo basado en los conceptos

explicados en este captulo. De manera general, los pasos para generar curvas de
fragilidad estn basados en la metodologa mostrada en la figura 3.7 y se detallan a
continuacin:
a) Definirlosdatosdelproblema:
Definir el modelo estructural plano que represente adecuadamente el
comportamientossmicodeledificioenestudio.
Definir los estados de dao discretos a partir de la curva de capacidad de la
estructura.
DefinirlosNISnivelesdeintensidadssmica:N1,N2,,NNIS.
Definirelnmerodemuestrasquesegenerarnparacadaparmetroestructuraly
para cada parmetro ssmico: NM. El nmero de anlisis determinsticos a
realizar,entotalserNISxNM.
Definir los NP parmetros estructurales en los que se considerarn variabilidad:
PE1, PE2, PENP. Cada parmetro estructural viene definido por su funcin de
densidaddeprobabilidadfdp1,fdp2,,fdpNP.
DefinirNSparmetrosssmicosenlosqueseconsiderarvariabilidad:PS1,PS2,
, PSNS. Cada parmetro ssmico viene definido por su funcin de densidad de
probabilidad:fdps1,fpds2,,fdpsNS.
b) FijarunniveldeintensidadssmicaNk,parak=1,2,.,NIS.
Para cada nivel de intensidad ssmica, generar las NMxNP muestras de parmetros
estructurales y las NMxNS muestras de parmetros ssmicos. Se utiliza el Mtodo
InversoylatcnicadelHipercuboLatinoparagenerarunvalorparacadaparmetro
de manera aleatoria a partir de su funcin de densidad de probabilidad (normal,
uniforme,lognormal,etc.).Esdecir:
ParacadaparmetroestructuralPEi,coni=1,2,.,NP,generarNMmuestrasde
parmetrosestructurales.Esdecir:
o NMmuestrasdePE1apartirdesudistribucinfdp1
o NMmuestrasdePE2apartirdesudistribucinfdp2
o .
o NMmuestrasdePENPapartirdesudistribucinfdpNP
Para cada parmetro ssmico PSj, con j = 1, 2, ., NS, generar NM muestras. Es

decir:
o NMmuestrasdePS1apartirdesudistribucinfdps1
o NMmuestrasdePS2apartirdesudistribucinfdps2
o .
o NMmuestrasdePSNSapartirdesudistribucinfdpsNS.
Se renen de manera aleatoria un conjunto de parmetros estructurales con un

conjuntodeparmetrosssmicos.Enestaetapaelconjuntodeparmetrossmicos
vienerepresentadoporunasolasealsinttica.Serealizaelanlisisdinmicono
lineal de las estructuras generadas (figura 3.16) para obtener las respuestas de
derivas mximas de entrepiso. Es decir, se cuenta con NM muestras de modelos
estructurales:
o Modelo estructural 1 con parmetros estructurales PE1, PE2,.PENP y
sometido a un seal sinttica caracterizada por sus parmetros ssmicos
PS1,PS2,,PSNS.
o Modelo estructural 2 con parmetros estructurales PE1, PE2,.PENP y
PS1,PS2,,PSNS.
o
o Modelo estructural NM con parmetros estructurales PE1, PE2,.PENP y
PS1,PS2,,PSNS.
Repetirelpaso(b)paravaloresdekdesde1hastaNIS.
En esta etapa deben ejecutarse un total de NMxNIS anlisis determinsticos de tipo
anlisisdinmiconolinealdeestructuras.
Figura3.16Paracadaniveldeintensidadssmica,segeneranmodelosestructuralesaleatoriamente
quesonsometidosasealessintticasescogidasaleatoriamente.
c) ParacadaniveldeintensidadssmicaNk,parak=1,2,.,NIS.,construirlasfunciones
de distribucin acumulada (figura 3.14) de las derivas mximas de entrepiso
aplicandolosconceptosdelaseccin3.3.3.
d) Para cada estado de dao se construyen las curvas de fragilidad siguiendo el

procedimientomostradoenlafigura3.15.
PRDIDASPORSISMO
4.1 IMPLEMENTACINDELAMETODOLOGA
El proceso para generar las curvas de fragilidad se ha implementado en un programa

desarrolladoenMatLab(MathWorks2002)ysellamaFragilidad.Esteprogramatiene
la intencin de ser de propsito general, es decir, que pueda aplicarse al estudio de
cualquiertipologaestructural.Enelfuturosepretendemejorarlainterfase(figura4.2)y
habilitarmsopcionesparaquepuedaaplicarseenlaestimacindelriesgossmicodelos
edificiosdelaPontificiaUniversidadCatlicadelPer.
ElcdigohasidodesarrolladodeacuerdoalasespecificacionesdescritasenelAnexoB.
Cadabloque representaunmdulo del programa ypuede documentarse, optimizarsey
mantenerseenformaindependiente.ElprogramaFragilidadrequieredeunarchivode
entradadedatos(figura4.1)dondesedebeproporcionarlainformacinsobreelmodelo
estructural, los parmetros ssmicos y estructurales, las funciones de distribucin de
probabilidad, la definicin de los estados de dao y los parmetros del proceso de
simulacin.
Figura4.1ArchivodeentradadedatosparalosprogramasDRAIN2DXyFragilidad.
Figura4.2InterfasedelprogramaFragilidad.Enesteejemplosecalculan50muestrasparacada
niveldeintensidadssmica.
4.2 CURVASDEFRAGILIDADPARA2COLEGIOSTPICOSPERUANOS
Comoaplicacindeestametodologaseseleccion2colegiostpicosperuanos:unsistema
aporticadorelativamenteantiguoquehatenidopobredesempeossmico,780antiguo,
y un sistema de diseo ms reciente cuyo excelente desempeo ha sido probado en el
sismo de Arequipa del 2001, el 780 moderno. La denominacin 780 se debe a que
amboscolegiostienenaulasde7,80mdelargo.
4.2.1 Colegio780antiguo(preNDSR1997).
Lafigura4.4muestraunesquemaconelsistemaestructuraldeledificio.Lalosadetecho
es una losa aligerada unidireccional de 0,20m de espesor, orientada en el sentido
longitudinal de la edificacin (XX en la figura). Esta losa descansa en muros de
albailera confinada de 0,25m de ancho (ejes 1, 3, 5 y 7 de la figura 4.4) y en vigas
peraltadas generalmente de 0,30mx0,70m (ejes 2, 4 y 6). Las vigas en el sentido
longitudinal(ejesAyB)sonde0,25mx0,40m.Lascolumnassonde0,30mx0,40m(C1)y
0,25mx0,40m(C2), con su mayor dimensin en el sentido transversal. La figura 4.5
muestraeldetallederefuerzodelasvigasylafigura4.6delascolumnas

Figura4.3Colegio780antiguopreNDSR1997de3aulasporpisoenlacostaperuana
Figura4.4Vistaenplantadelsistemaestructuraldeledificio780antiguo.
Figura4.5Detalledevigasdeconcretoarmado(colegio780antiguo).
Figura4.6Detalledecolumnasdeconcretoreforzado(colegio780antiguo).
Elsistemasismorresistenteenelsentidolongitudinal(XXenlafigura4.4),consisteen2
prticos de concreto armado (ejes A y B) con columnas y vigas de poco peralte. En la
direccintransversal(YY)elsistemasismorresistenteestconstituidofundamentalmente
pormurosdealbaileraconfinada.
Los edificios de este tipo han sufrido dao en sismos pasados debido al problema de
columna corta. Este problema se ocasiona por la excesiva flexibilidad en el sentido
longitudinalyelmalaislamientodelosalfeizaresdealbailera(AguilaryAstorga2006).
4.2.2 Colegio780nuevo
En1997lanormaperuanadediseosismorresistentesufriunaactualizacinimportante
que trajo como consecuencia un cambio notorio en el sistema estructural de las
edificaciones educativas. El aumento en los requerimientos de rigidez de esta norma
ocasionqueenlosnuevosedificiosseincrementaranlasdimensionesdelascolumnasy
vigas. A partir de 1997 el gobierno empez a construir edificios educativos
significativamentemsrobustosalosquedenominaremoscolegio780actualonuevo.
Elcolegio780nuevoesunedificiodeconcretoarmadoyalbaileraquetieneunaplanta
rectangular, con uno a tres niveles y 2 a 5 aulas por piso (figura 4.8). Las aulas son
cuadradas de 7,80m de lado aproximadamente. Este edificio tambin se utiliza para
oficinas,bibliotecasylaboratorioscontabiquesdivisorios.
Las ventanas y puertas se ubican en las fachadas longitudinales, la comunicacin se da

por un corredor longitudinal y el acceso al segundo y tercer nivel es por una caja de
escaleras separada estructuralmente del edificio. Los alfeizares de las ventanas son
tabiquesseparadosdelascolumnasmediantejuntasdeaproximadamente1.
Eltechodeledificio780nuevoenlacostaeshorizontal(figura4.7)yenzonaslluviosas
inclinadoadosaguas.Enlamayoradeloscasoslostechossonlosasaligeradas.
Figura4.7Edificio780actualde3aulasporpisoenlacostaperuana
Lafigura4.8muestraunesquemaconelsistemaestructuraldeledificio.Lalosadetecho
es una losa aligerada unidireccional de 0,20m de espesor, orientada en el sentido
longitudinal de la edificacin (XX en la figura). Esta losa descansa en muros de
albailera confinada de 0,25m de ancho (ejes 1, 3, 5 y 7) y en vigas peraltadas
generalmentede0,30mx0,70m(ejes2,4y6).Lasvigasenelsentidolongitudinal(ejesAy
B) son de 0,25mx0,55m. Las columnas son rectangulares de 0,25mx0,58m (P1),
0,25mx0,90m(P2)yenformadeTde0,45mx0,90m(P3),consumayordimensinenel
sentidolongitudinal.Eldetalledelrefuerzodevigasycolumnassemuestraenlafigura
4.9y4.10respectivamente(AguilaryAstorga2006).
Figura4.8Plantadelsistemaestructuraldelcolegio780nuevo
Elsistemasismorresistenteenelsentidolongitudinal(XXenlafigura4.8),consisteen2
prticosdeconcretoarmado(ejesAyB)concolumnasyvigasperaltadas.Enelsentido
transversal (YY) el sistema sismorresistente est constituido fundamentalmente por
murosdealbaileraconfinada.
Figura4.9Detalledelrefuerzodelasvigas(colegio780nuevo)
Figura4.10Detalledelrefuerzodelascolumnas(colegio780nuevo)
Los edificios educativos diseadosy construidos con la norma sismorresistente peruana

de1997noreportarondaosdespusdelterremotodeArequipa(2001).
4.2.3 Desempeosismorresistente
En un trabajo de investigacin desarrollado por Len y Quintana (2004) se evalu el

desempeosismorresistente de estos colegios. Los niveles de peligro ssmico estudiados
corresponden a aceleraciones mximas en el terreno de 0,20g ; 0,40g y 0,50g que
correspondenasismosocasionales,sismosrarosysismosmuyrarosrespectivamente(ver
anexo A). La evaluacin del desempeo se realiza siguiendo las sugerencias del comit
VISION 2000 de la Asociacin de Ingenieros Estructurales de California (SEAOC 1999).
Paraestimarlarespuestaestructuralseempleanprocedimientosespectralesdedemanda
capacidad. Los resultados muestran que los edificios escolares modernos (colegios 780
nuevos)tendranundesempeossmicoaceptable,loquesepodraatribuiralincremento
en los requerimientos de rigidez del cdigo sismorresistente de 1997. Sin embargo, el
colegio780antiguonosatisfaceenningunodelosnivelesdesismicidad,losrequisitosde
desempeo. La figura 4.11 muestra los resultados de la evaluacin del desempeo

sismorresistenteparaamboscolegios.
Figura4.11Desempeosismorresistentedeloscolegios780antiguoynuevo(LenyQuintana
2004).
Cortante en la Base
Paradefinirlosestadosdiscretosdedaosesectorizalascurvasdecapacidadtalcomose
muestra en a figura 4.12. Los sectores limitados por estos desplazamientos (en azotea)
corresponden a los estados de dao sin dao, leve, moderado, severo y colapso.
Asimismo estos desplazamientos de azotea corresponden a desplazamientos espectrales
en el espectro de capacidad. En la figura 4.13 se ha calculado la relacin entre los
desplazamientos de azotea, los desplazamientos espectrales y las derivas mximas
correspondientes.
FE
Punto de
Fluencia
Efectiva
P = Capacidad de Desplazamiento Inelstico

0.3P
0.3 P
0.2P
0.3 P
Lmite de
Estabilidad
Curva de
Capacidad
Resistente
Desplazamiento en el Techo
Figura4.12Sectorizacindelacurvadecapacidad.
Figura4.13Relacinentrelosdesplazamientosdeazotea,losdesplazamientosespectralesylas
derivasmximascorrespondientesparaloscolegios780(LenyQuintana2004).
4.2.4 Curvasdefragilidaddeloscolegios
Las curvas de fragilidad para ambos edificios se muestran en las figuras 4.14 y 4.15. Se
puedeobservarclaramentequeelcolegio780Modernotieneunamejoraradicalensu
desempeo ssmico y por lo tanto baja probabilidad de daos severos para sismos
moderados. Esto se debe al aumento en la exigencia de rigidez lateral impuesta por la
normasismorresistentede1997(SENCICO1997).
ParagenerarestascurvasdefragilidadseutilizelprogramaFragilidad(verAnexoB).Se
calculan 100 muestras de modelos estructurales y para 12 niveles de intensidad (1200
anlisisdinmiconolineal)loscualesvandesde0,05ghasta0,60genelcasodelcolegio
780antiguoydesde0,05ghasta1,00genelcasodelcolegio780moderno.
Los estados discretos de dao vienen definidos por las derivas mximas de entrepiso
mostradasenlafigura4.13.
Los parmetros estructurales considerados como variables con incertidumbre son

solamentelaresistenciaacompresindelconcretoylaresistenciaalafluenciadelacero.
Como el programa DRAIN 2DX utiliza un modelo bilineal en los diagramas de
momento curvatura, se simplific el problema considerando una distribucin de
probabilidaddetiponormalparalosmomentosdefluencia.
El nico parmetro ssmico considerado en la generacin de las seales sintticas fue la

aceleracinmximadelterreno(PGA).
Pontificia Universidad Catlica

del Per
Curvas de Fragilidad Analticas del
Edificio del Colegio 780 antiguo
(pre NDSR-1997)
(a)
Matriz de probabilidad de dao. Colegio 780 antiguo

Estado de dao (ED)
Factor de dao, % (FD)
Sin dao
0
Leve
5
Moderado
20
Severo
65
Colapso
100
Factor de dao medio, % (FDM)
Probabildiad de dao (%)

PGA=0,20g
PGA=0,40g
PGA=0,50g
10
0
0
40
0
0
50
4
0
0
40
10
0
56
90
12
82,8
96,5
(b)
Figura4.14Curvasdefragilidadparaeledificiodelcolegio780antiguo.
Pontificia Universidad Catlica del

Per
Curvas de Fragilidad Analticas del Edificio
del Colegio 780 nuevo
(a)
Matriz de probabilidad de dao. Colegio 780 nuevo

Estado de dao (ED)
Factor de dao, % (FD)
Sin dao
0
Leve
5
Moderado
20
Severo
65
Colapso
100
Factor de dao medio, % (FDM)
Probabildiad de dao (%)

PGA=0,20g
PGA=0,40g
PGA=0,50g
95
23
5
5
76
85
0
1
9
0
0
1
0
0
0
0,25
4
6,7
(b)
Figura4.15Curvasdefragilidadparaeledificiodelcolegio780nuevo.
4.3 ESTIMACINDEPRDIDASPORSISMO
4.3.1 EstimacindeprdidasusandoelmtododeHAZUS
A partir del desarrollo de las curvas de fragilidad, FEMA desarroll la metodologa

HAZUS(FEMA1999).Estametodologasebasafundamentalmenteenlosconceptosde
curvadecapacidad,puntodedesempeoycurvadefragilidad.LaventajadeHAZUSes
su posibilidad de estimar el dao ante un evento ssmico no solo en edificios, sino
tambinensistemasdetransporte,sistemasdeseguridad,etc.Laprincipaldesventajadel
mtodoessucomplejidad.HAZUSesunaherramientacompletaypoderosaquenecesita
muchosdatosparaserimplementada.
Las curvas de fragilidad obtenidas por el mtodo analtico pueden implementarse en la
metodologa HAZUS para estimar el riesgo ssmico (prdidas) de edificios peruanos. El
resultado del estudio de riesgo involucra el clculo de costos de reposicin. La
metodologa relaciona costos con estados de dao mediante ndices que deben ser
estudiados y adaptados a nuestro entorno. El enfoque global de esta metodologa se
ilustraenlafigura4.16.
Figura4.16MetodologadeestimacindeprdidasporsismomedianteHAZUS.
4.3.2 Estimacinrpidausandofactoresdedao
Paraestudiarelefectodelossismosseutilizaelfactordedaoquerepresentalarelacin
entre el costo de reparacin y el costo de reposicin (reemplazo total) del edificio. Los
valores mostrados en la tabla 4.1. son los recomendados por Hwang y Lin (2002) y que
han sido utilizados en esta metodologa. Por ejemplo, a partir de esta tabla, podramos
afirmar que para reparar una estructura que ha sufrido dao moderado el costo de
reparacinequivaleal20%delcostodereposicin.
Debido a que los elementos estructurales y noestructurales son sensibles a los

desplazamientos relativos de entrepiso, en este estudio se usa la deriva mxima de
entrepiso,mx,comoPID.Apartirdelacurvadecapacidaddelaestructurasedefinenlos
rangosdemxasociadosconlosestadosdedao(SEAOC1999).
Tabla4.1EstadosdedaoyfactoresdedaosugeridosporHwangyLin(2002)
EstadodeDao
FactordeDao
SinDao
Leve
Moderado
Severo
Completo
0%
5%
20%
65%
100%
Las curvas de fragilidad de estos colegios permiten calcular directamente los costos de
reparacin,escogiendoadecuadamenteescenariosdeintensidadssmica.Cabemencionar
que no se toma en cuenta el dao producido en los elementos noestructurales. El
procedimiento consiste en determinar las probabilidades para los diversos estados de
daoylosfactoresdedao(FD),quepermitencalcularunFactordeDaoMedio,FDM
(Hwang y Lin 2002). En la figura 4.17 se muestra la forma de obtener el FDM para el
colegio780antiguoyparaunaintensidadssmicarepresentadaporunPGAde0,40g.A
partirdeestatablasepuedeafirmarquelaestructurasedaa,enpromedio,un82,8%.
Figura4.17DeterminacindelFactordeDaoMedioapartirdelasCurvasdeFragilidad.
Considerandouncolegiotipo780antiguode450m2dereaconstruidaycuyocostode
reposicin es de aproximadamente US$ 250/m2, se estima un costo de reparacin de su
estructuraanteunsismode0,40gde82,8%x450m2xUS$250/m2=US$93150.Enlatabla
4.2semuestranloscostosdereparacinestimadosparaamboscolegiostpicosyparalos
3nivelesdepeligrossmicoestimadosparaelcampusPUCP(veranexoA).
Tabla4.2.Costosdereparacinestructuraldelos2colegiostpicosperuanos
Intensidad Ssmica
Sismo Ocasional
Sismo Raro
Sismo Muy Raro
Aceleracin pico (g)

0,20
0,40
0,50
Costo de reparacin ($)

780 antiguo
780 moderno
$13 500
$281
$93 150
$4 500
$108 563
$7 538
CONCLUSIONESYRECOMENDACIONES
5.1 CONCLUSIONES
Al culminar el presente trabajo de investigacin se han llegado a las siguientes

conclusiones:
Estetrabajodemuestraquelascurvasdefragilidadpermitenestimarrazonablemente
bien las prdidas por sismo, ya que toman en cuenta las incertidumbres tanto en la
demandassmicacomoenlarespuestadelaestructura.Debidoaquesetratadeuna
herramienta probabilstica, su aplicacin resulta ms efectiva cuando se aplica
masivamenteagruposdeedificiosdesimilarescaractersticasestructurales.
El algoritmo para generar las curvas de fragilidad ha sido planteado teniendo en

cuenta una metodologa general en las que muchas variables que participan en el
comportamientossmicopuedencontenerincertidumbreyaleatoriedad.Sinembargo,
en este estudio solo se ha considerado las ms variables ms importantes, a fin de
minimizarelesfuerzodeclculoquedemandaunprocesodesimulacin.
El programa Fragilidad implementado en Matlab genera de manera eficiente las

curvasdefragilidad.Unadelasdesventajaseseltiempodeejecucin.Enpromediose
realizan 500 anlisis por hora. Para generar curvas de fragilidad consistentes se
requieredeporlomenos100muestrasparacadaniveldesismicidad.Siseconsideran
20nivelesdesismicidad,elprogramaejecutalas2000muestrasenaproximadamente
4horas.
Para tomar en cuenta la variabilidad en los parmetros estructurales se ha

considerandounadensidaddeprobabilidadnormalparalaresistenciaacompresin
del concreto y una densidad de probabilidad lognormal para el esfuerzo de fluencia
del acero. Ambos son preponderantes en la definicin de los diagramas momentos
curvatura de las rtulas plsticas. Para simplificar la generacin de parmetros
estructurales, en el programa Fragilidad se ha considerado una densidad de
probabilidadnormalparalosmomentosfluencia.
Para tomar en cuenta la variabilidad en los parmetros ssmicos se utiliza un

programaquegenerasealessintticas.Encadaejecucin,elacelerogramagenerado
es siempre distinto al anterior en contenidos de frecuencias y en amplitud. Sin
embargotodaslassealescorrespondenaunmismoespectroderespuesta,elcuales
compatibleconelespectrodediseodelanormaperuana.
5.2 RECOMENDACIONES
Finalmente,porlaexperiencialogradaduranteeldesarrollodeesteproyectosepueden
darlassiguientesrecomendaciones:
Debido a que existe una cantidad importante de colegios diseados con la norma
previaalao1997(780antiguo),estametodologapuedeaplicarseparaevaluar el
riesgossmico(costosdereparacin)deestasedificacionesantediversosescenariosde
sismos. Tambin se pueden proponer algunos sistemas de refuerzo y evaluar su
desempeomediantesuscurvasdefragilidad.
Lametodologapropuestatienemuchassimplificaciones,peropuede mejorarsesise
toman en cuenta otras variables particulares del sitio (accin ssmica) y de la
estructura. Enun trabajofuturo la metodologapodra refinarse paragenerar curvas
defragilidadmsprecisas.Lasrecomendacionesson:incluirsismosrealesenvezde
seales sintticas, considerar la definicin de los estados de dao como dependiente
delosparmetrosestructuralesyutilizarcomoparmetroindicadordelaintensidad
ssmicaalpseudodesplazamientoolapseudoaceleracinelsticadelaestructuraya
querepresentanmejorlademandassmica.
La metodologa se puede aplicar a gran escala para evaluar el riesgo ssmico de

grandesgruposdeedificios.Estosgruposdeedificiospodranestarconstituidospor
tipologas estructurales similares dentro de una misma ciudad. Debido a que la
metodologa integra informacin de peligro y vulnerabilidad, se puede generar un
mapaderiesgossmico.Enestemapasepuedenidentificarlaszonasquerequierende
especialatencinporserlasmsvulnerables.Unejemplodemapaderiesgossmico
se observa en la figura 5.1. De esta manera podran implementarse un plan de
refuerzodelasedificacionespotencialmentevulnerables.
Se pueden evaluar sistemas de refuerzo de manera probabilstica generando sus

respectivascurvasdefragilidad.Deestamanerasepuedesaber,almenosdemanera
relativa,culsistemaresultasermsefectivoenreducirlavulnerabilidadssmica.
Figura5.1Ejemplodemapaderiesgossmico.Daomediodelosedificiosdemamposterano
reforzadadeelevacinmediayaltadelEixampleEscenarioICCdeterminista(Lantada,2003).
REFERENCIASBIBLIOGRFICAS
Aguilar, R., Astorga, M.A. 2006. Desempeo sismorresistente de las edificaciones educativas
peruanas.TesisparaoptarelgradodeMagster.PUCP.Lima.Per.
Alva,J.1993.DistribucindeIsoaceleraciones.UNICISMIDLima,Per.
Anagnos, T., Rojahn, C. y Kiremidjian, A. S. 1995. NCEERATC joint study of fragility of

buildings.Technicalreport.NCEER952003.NationalCenterforEarthquakeEngineering
Research.StateUniversityofNewYorkatBuffalo.
AppliedTechnologyCouncil(ATC).1985.EarthquakeDamageEvaluationdataforCalifornia.
ATC13.RedwoodCity,California.
Applied Technology Council (ATC). 2000. Rapid Visual Screening of Buildings for Potential
SeismicHazards:AHandbook.ATC21/FEMA154.Washington,USA.
Barbat,A.1998.Elriesgossmicoeneldiseodeedificios,calidadsiderrgicaMadrid,Espaa.
BommerJ.,Salazar,W.ySamayoa,R.1998.RiesgossmicoenlareginmetropolitanadeSan
Salvador.ProgramaSalvadoreodeInvestigacinsobredesarrolloymedioambiente.San
Salvador,ElSalvador.
Bonett, Ricardo. 2003. Vulnerabilidad y Riesgo Ssmico de Edificios. Aplicacin a entornos

urbanos en zonas de amenaza alta y moderada. Tesis Doctoral, Universidad Politcnica de
Catalua.Barcelona.
BragaF.,DolceM.,LiberatoreD.1986.Assessmentoftherelationshipsbetweenmacroseismic
intensity,typeofbuildinganddamage,basedonrecentItalyearthquakedata.Proceedingofthe
8thEuropeanConferenceonEarthquakeEngineering.Lisboa,Portugal.
Bratley, P., Fox, B. L., Schrage, L. E. 1987. A Guide to Simulation. Springer Verlag. New
York.
Casaverde,L.yVargas,J.1980.ZonificacinSsmicadelPer.IISeminarioLatinoamericano
deIngenieraSismorresistente,OEAyPUCP.Lima,Per.
Castillo,J.,Alva,J.1993.PeligroSsmicoenelPer.VIICongresoNacionaldeMecnicade
SueloseIngenieradeCimentaciones,Lima,Per.
Chong, W. H. y Soong, T. T. 2000. Sliding fragility of unrestrained equipment in critical

facilities. Technical report. MCEER000005. Multidisciplinary Center of Earthquake
EngineeringResearch.
Cornell,C.A.,andVanmarcke,E.H.1969.TheMajorInfluencesonSeismicRisk,Proceedings.
FourthWorldConferenceonEarthquakeEngineering,Vol.I.
Cornell, C. A., and Benjamin, J. R. 1970. Probability, Statistics, and Decision for Civil
Engineers.
EASI.2002.STORM.Ametacomputingsimulationenvironmentforstochasticoptimizationand
robustnessmanagement.Usersmanual.EasiEngineering.Germany.
Ellingwood, B. R. 2001. Earthquake risk assessment of building structures. Reliability

engineeringsystemsafety.USA.
Erberik, M., and Elnashai, A. 2004. Vulnerability Analysis of Flat Slab Structures.
Proceedings of the 13th World Conference on Earthquake Engineering. Paper No. 3102.
Vancouver,August,2004.
FEMA1988.FederalEmergencyManagementAgency.FEMA154:RapidVisualScreening
ofBuildingsforPotentialSeismicHazards:AHandbook.Washington.USA.
FEMA. 1999. Federal Emergency Management Agency. HAZUS 99 SR2: Earthquake Loss
EstimationMethodology.TechnicalManual.USA.
Florian,A.1992.Anefficientsamplingscheme:UpdatedLatinHypercube.
FourierdAlbe,E.1988.Anapproachtoearthquakeriskmanagement.EngineeringStructures.
Hong,H.P., and Lind,N. C.1996.Approximate reliability analysis usingnormal polynomial

andsimulationresults.StructuralSafety,18(4),329339.
Hwang, H.H. M., andHuo, JR. 1994. Generation of HazardConsistent Fragility Curves for
SeismicLossEstimationStudies.TechnicalReportNCEER940015.
Hwang,H., and Lin,Y.W. 2002. Seismic Loss Assessment of Memphis City School Buildings.
Proceedings of the Seventh U.S. National Conference on Earthquake Engineering
(7NCEE).
Kuroiwa,J.2002.ReduccindedesastresViviendoenarmonaconlanaturaleza.Programade
lasNacionesUnidasparaelDesarrollo(PNUD).Lima,Per.
Lantada, N. 2003. Aplicacin de Tcnicas GIS a Estimacin de Riesgos Naturales: Riesgo

Ssmico.TesisDoctoral.UniversidadPolitcnicadeCatalua.EnRedaccin.
MathWorksInc.2002.MATLAB.TheLanguageofTechnicalComputing.
Len, H. y Quintana, U. 2004. Evaluacin del desempeo sismorresistente de los colegios

peruanosmodernos.TesisparaoptarelgradodeIngenieroCivil.PUCP.Lima.Per.
McGuire, R. 1976. EQRISK. Evaluation of Sites for Earthquake Risk, Open File Report 7997.
USGS,EEUU.
Monroy M., Bolaos L. 2004. Espectros de peligro ssmico uniforme. Programa MRIESGO.
TesisparaoptarelgradodeMagsterenIngenieraCivil.PUCP.
Muoz, A., Blondet, M. 2006. Plan Nacional de Proteccin Ssmica de la Infraestructura

Educativa Peruana. Proyecto de investigacin auspiciado por la Direccin Acadmica de
Investigacin.PontificiaUniversidadCatlicadelPeru.
SarriaA.1995.IngenieraSsmica.EdicionesUniandes.SantaFedeBogot,Colombia.
Prakah, V., Powel, G. H. y Campbell, S. 1993. DRAIN2DX. University of California,

Berkeley.
Ripley,B.D.1987.StochasticSimulation.JohnWileyandSons,NewYork.
Rubinstein, R. Y. 1981. Simulation and the Montecarlo Method. John Wiley and Sons, New
York.
SENCICO1997.NormaTcnicadeEdificacinNTE.030.DiseoSismorresistente.
SilgadoM.,GieseckeA.1981.TerremotosenelPer.Lima:EdicionesRichkayPer.
StructuralEngineersAssociationofCalifornia.SEAOC(1999).RecommendedLateralForces
RequirementsandCommentary(theBlueBook).California.
Vanmarcke,E.H.,Cornell,C.A.,Gasparini,D.A.&Hou,S.N.1976.ProgramSIMQKE1.
SimulationofEarthquakeGroundMotions.DepartmentofCivilEngineering,Massachusetts
InstituteofTechnology,Cambridge,Massachusetts.
Yamazaky,F.andMurao,O.2000.FragilitycurvesforbuildingsinJapanbasedonexperience
fromthe1995Kobeearthquake.
ANEXOS
ANEXOA.ESTIMACINDELPELIGROSSMICODELCAMPUS
PUCP
La alta ocurrencia de eventos ssmicos en nuestro pas evidencia la necesidad de

cuantificarlosefectosdelossismosennuestrasestructuras.Paracuantificarestoseventos
ssmicos debe tenerse en cuenta la sismicidad del lugar y tambin la respuesta de las
estructurasadichasismicidad.
Elpeligrossmicosepuedecuantificarmedianteelvalormximodealgnparmetroque
representa el movimiento del terreno, por ejemplo, la aceleracin mxima del terreno.
Tambin es usual utilizar algn parmetro correspondiente a la respuesta estructural
como es la pseudoaceleracin (parmetro que permite calcular los desplazamientos
mximosenunaestructura).
Pararepresentarelpeligrossmicosepuedenempleardosenfoques,eldeterministayel
probabilista. El enfoque determinista cuantifica el peligro considerando el sismo ms
destructivo que pueda ocurrir en el lugar de anlisis. El enfoque probabilista expresa la
aceleracin de diseo (parmetro que representa el movimiento del terreno) para
diferentesnivelesdeprobabilidaddeexcedencia.
A.1.Sismicidadregionalylocal
ElcampusPUCPestubicadoenlaciudaddeLimaqueseencuentracercaalmargende
laplacatectnicaconvergenteactivaentrelasplacasdeNazcaaloesteySudamericanaal
este.Suscoordenadasgeogrficasson1207LatitudSury7711LongitudOeste(figura
A.1).
Figura A.1. Ubicacin del campus PUCP (Placas

Tectnicas).
El proceso de subduccin de la placa de Nazca presenta tres zonas importantes de

actividad tectnica: la zona de subduccin de interfase poco profunda, la zona de
subduccin de intraplaca profunda y la zona de corteza continental de la placa
Sudamericana(figuraA.2).
FOSA
PERUANA-CHILENA
COSTA
AMAZONAS
PROFUNDIDAD, km
ZON
50
PLACA SUDAMERICANA
(ZONA CORTICAL)
AD
E IN
TE R
FAS
E
PL A
CA
DE
NAZ
CA
100
ZO
NA
DE
IN T
RA P
LAC
8a
A
10
cm
/a
o
150
FiguraA.2.Seccintransversaldelprocesotectnicoenlazonadesubduccin.
LasismicidadhistricaenelPerhasidoregistradadesdelaconquistaycolonizacinde
losespaoles.Losinvestigadoresquerealizaronlosaportesmsimportantesalahistoria
ssmica peruana fueron Silgado (1968, 1978, 1985), Dorbath et al. (1990) y Alva et al.
(1984).
Los terremotos histricos ms importantes que han ocurrido en Lima a lo largo de la
historiasemuestranenlasiguientetabla.
TablaA.1.TerremotosHistricosenLima(Silgado1985).
Fecha del Terremoto
Hora
Intensidad
Magnitud
9 de julio de 1586
7:00 p.m.
13 de noviembre de 1655
2:38 p,m.
20 de octubre de 1687
4:15 p.m.
11:30 a.m.
X-XI MM
8.1 Ms
1 de diciembre de 1806
6:00 p.m.
30 de marzo de 1828
7:35 a.m.
24 de mayo de 1940
11:35 a.m.
VII-VIII MM
7.9 Ms
4:14 p.m.
VIII MM
7.7 Ms
9:21 a.m.
VII MM
7.9 Ms
A.2.EvaluacindelPeligroSsmico
En los ltimos 30 aos la aplicacin de los conceptos de probabilidades en la ingeniera
ssmicahapermitidoquelasincertidumbresenlamagnitud,laubicacin,lavariacindel
movimiento del suelo y en la respuesta estructural puedan ser explcitamente
consideradasenlaevaluacindelpeligrossmico.
Un anlisis probabilista del peligro ssmico se desarrolla mediante la representacin

adecuada de la actividad ssmica de la zona en estudio y la eleccin de alguna relacin
entrelaamplituddelmovimientodelsueloodelarespuestaestructural,algunamedida
delsismo(magnitudointensidad)yladistanciaentreelfocoyladistanciadeinters.
Pararelacionarlaamplituddelmovimiento,eltamaodelsismoyladistanciasepueden
emplearleyesdeatenuacin.Lasincertidumbresenlaocurrencia,ubicacinyelnivelde
respuesta ssmica esperada (movimiento del suelo o respuesta estructural) son
consideradasmediantefuncionesdedensidaddeprobabilidades.
AceleracinmximadelterrenoenelCampus
Sehaestimadoelpeligrossmicodelcampus,empleandolametodologapropuestapor
McGuire(1976)quesebasaenelteoremadeprobabilidadtotal.Esteteoremasepuede
representarmediantelasiguienteecuacin:
P [A] = P [A S , R ] f S (S ) f R (R ) dS dR
(A.1)
P[A] representa la probabilidad de ocurrencia de un determinado evento A. S y R son

variablescontinuaseindependientesqueinfluyenenA.Portanto,laprobabilidaddeque
eleventoAocurrapuedecalcularseintegrandoelproductodelaprobabilidaddeApara
determinadosvaloresdeSydeRylasprobabilidadesdeocurrenciadeSyR.
Para la estimacin de la aceleracin mxima, P[A] representa la probabilidad de

excedenciadelvalordelaaceleracinmxima,A.EleventoSrepresentalaocurrenciade
unsismodemagnitudS.EleventoRrepresentalaocurrenciadelsismodemagnitudSa
unadistanciaRdelfoco.
Para la evaluacin del riesgo ssmico se han elegido tres escenarios de sismicidad
representados por los niveles de peligro ssmico sugeridos por el SEAOC (1999): Sismo
Ocasional(50%deexcedenciaen50aos),SismoRaro(10%deexcedenciaen50aos)y
SismoMuyRaro(5%deexcedenciaen50aos).
Estosnivelesdesismicidadsepuedenexpresartambinatravsdelperododeretorno,
mediantelasiguienteexpresin:
t
TR
PMX [a > A] = 1 e
(A.2)
donde:
PMX[a>A],eslaprobabilidaddesuperarunvaloraceleracinA.
t,eseltiempodeexposicin(generalmentelavidatildelaedificacin).
TR,eselperododeretorno.
Perodo de Retorno (aos)
El peligro ssmico en el campus se estim mediante el empleo del programa EQRisk

(McGuire 1976). Se tomaron como datos de entrada las coordenadas del campus, las
fuentessismognicassugeridasporCastilloyAlva(1993)yseemplelaleydeatenuacin
deCasaverdeyVargas(1980).
Adems,seestablecieronvaloresderecurrencia(inversadelperododeretorno)paralos
cuales se estim la aceleracin pico asociada. Con estas aceleraciones se gener la curva
perododeretornoversusaceleracinparaelcampusPUCPmostradaenlafiguraA.3.
3500
3000
2500
2000
1500
1000
500
0
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
Aceleracin (g)
FiguraA.3.Curvaperododeretornovs.aceleracinasociadaparalascoordenadasdelcampusde
laPUCP.
Losvaloresdeaceleracinpicoparalostresnivelesdesismicidadsemuestranenlatabla
A.2.
TablaA.2.Aceleracinpicoasociadaalostresnivelesdesismicidadseleccionados
Nivel de Peligro Ssmico
Aceleracin
Pico (g)
Perodo de
Retorno (aos)
Sismo Ocasional
(50% de excedencia / 50 aos)
0,20
72
Sismo Raro
0,40
475
Sismo Muy Raro
0,50
975
Sepuedecomprobarquelosresultadosdelatablaanteriorcoincidenconlasaceleraciones
estimadas por el programa MRIESGO (Monroy y Bolaos 2004), como se observa en el
mapadedistribucindeaceleracionesmostradoenlafiguraA.4.
+1
-80
-82
-78
-74
-76
-72
-70
-68
+1
0
g
26
g
6g g
28 g
0.. 302g 0 .3. 38 0g
0 3 g 0 0. 4
0..34
0
36
0.
g
0.
-4
22
g
-2
-4
04
0.
g
06
g
08
0.
20
0.
0.
-6
g
18
0. 20 g
0.
-6
4g
COLOMBIA
ECUADOR
-2
0.
g
10
0.
g
14
0.
36
12
0.
g
-8
g
14
0.
g
-12
12
0.
g
14
0.
g
0.10 g
g
0.
16
0
0. .18 g
2
0. 0g g
2
0
0 .24 2g
0 .26 g
0. .28g g
3
0g
0.
32
g
0 0.1
0. .14 2g
1 g
0
0 .1 6g
0. .20 8g
22 g
0g
0 .2
0. .264g
28 g
g
g
34
0. 6g
3 g
0. 38
g
0. 0 2g
4
0.0.4 44gg
44
00..
0.04 g
0.02 g
-16
22
0.16 g
-14
-10
CO
FI
CI
PA
0.22 g
20
0.
0.28 g
-12
24
0.
NO
EA
OC
0.34 g
g
26
0. 8g
6g g
2 g
0..302g 0 .3.38 0g
0 .3 4g 0 0. 4
0 .3
0
0.40 g
-10
16
0.
18
0.
0.
0.45 g
-8
BRASIL
BOLIVIA -16
g
0 .30 2g
0.3
PONTIFICIA UNIVERSIDAD CATOLICA DEL PERU

ESCUELA DE GRADUADOS
MAPA DE ORDENADAS ESPECTRALES
Periodo estructural (Tn)
: 0.00 seg
Probabilidad de excedencia : 10%
Periodo de exposicin
: 50 aos
km
100
-82
200
-80
300
CHILE
400
-78
-18
0.
38
0 . 0. 4 0 g
42 g
g
MANUEL MONROY, ANA BOLAOS - 2004
-20
36
0.
0.34
-18
-14
-76
-74
-72
-70
-20
-68
Figura A.4. Distribucinde aceleraciones en el Per para un periodo de exposicin de 50 aos y

10%deprobabilidaddeexcedencia(MonroyyBolaos2004).
ANEXOB.PROGRAMAFRAGILIDADVERSIN1.0
B.1.Descripcingeneraldelprograma
El programa Fragilidad versin 1.0 permite generar Curvas de Fragilidad para

estructurasplanas(porejemplo:prticosplanos).Esteprogramahasidodesarrolladoen
el lenguaje de programacin MatLab (Mathworks 2002). Toma en cuenta la variabilidad
en la demanda ssmica mediante seales sintticas y la variabilidad en los parmetros
estructurales mediante funciones de distribucin de probabilidad. Esta primera versin
soloconsideralafuncindedistribucinnormal.Elalgoritmoutilizadohasidoexplicado
endetalleenelcaptulo3.Enresumenelprogramarealizaunprocesodesimulacinen
elquelasmuestrassecomponendelosparmetrosestructurales(momentosdefluencia
paraestructurasdeconcretoarmado)ysealessintticas(acelerogramas)paracadanivel
de sismicidad. Estos valores son emparejados de manera aleatoria. El proceso de
generacin de muestras y el de emparejamiento se realiza mediante la tcnica del
Hipercubo Latino (Florian 1992). Para lograr una convergencia en los resultados se
recomiendautilizarporlomenos100juegosdemuestrasparacadaniveldesismicidad,y
al menos 10 niveles de sismicidad. El programa realiza el anlisis dinmico nolineal de
estructurasplanasmodeladasdeacuerdoacadajuegodeparmetrosestructurales.Cada
una de las estructuras modeladas es sometida a una seal sinttica escogida
aleatoriamente. El programa almacena en cada ejecucin del anlisis dinmico, las
respuestasdedesplazamientosmximosysusderivasmximascorrespondientes.Alfinal
delprocesodesimulacin,ymedianteunprocedimientoestadsticoseconstruyencurvas
de probabilidad acumulada de la deriva de entrepiso para cada nivel de sismicidad. A
partirdeestascurvasdeprobabilidadacumulada,seconstruyenlascurvasdefragilidad
asociadaaestadosdiscretosdedaoprefinidos.
El programa Fragilidad requiere del uso de los programas SIMQKE y DRAIN 2DX
(Prakah et al. 1993). Ambos estn incluidos en la lista de archivos. El archivo
Simqke.exeeselejecutabledelprogramaSIMQKEyseencargadegenerarlasseales
sintticas.Elarchivod2dx.exeeselejecutabledelprogramaDRAIN2DXyseencarga
de realizar el anlisis dinmico nolineal de cada una de las muestras. Estos programas
sonutilizadosdemaneraautomticayenformanointeractiva(esdecir,sinintervencin
del usuario) desde los mdulos del programa Fragilidad. Es posible actualizar las
versiones de estos ejecutables siempre que se tome en cuenta la forma de ejecutarlos
dentrodelcdigofuentedelprogramaFragilidad.
Cabe resaltar que esta primera versin ha sido desarrollada sin interfase grfica para el
usuario final, puesto que se necesita probar de manera exhaustiva cada uno de los
mdulos.Sehapuestoespecialnfasisenlapuestaapuntodecadaunodelosmdulos.
Todoshansidoprobadosytrabajanconsuficienteprecisinyeficiencia.Sinembargo,es
posiblegenerarunainterfasegrficaenunaprximaversin.
Antes de ejecutar el programa se deben preparar algunos archivos. Los archivos tienen
como nombre en la parte inicial el correspondiente al nombre de la estructura. En los
archivosdescritosacontinuacinNomEstserefierealnombredelaestructura.
NomEst1.inp:Primerapartedelarchivodeentradadedatos(archivodetexto)parael
programaDRAIN2DX.Paraprepararcadaunodelosbloquesesnecesarioreferirseal
manualdelprogramaDRAIN2DX(Prakahetal.1993).Estearchivosolodebeabarcar
losbloquesdesdeeliniciohastaantesdelaprimeralneadedatosparaladefinicin
de Momentos de Fluencia. Se recomienda ver los ejemplos col780a1.inp y
col780n1.inp.
NomEst3.inp:Tercerapartedelarchivodeentradadedatos(archivodetexto)parael
programa DRAIN 2DX. Este archivo solo debe abarcar los bloques desde el que le
siguealbloquededefinicindeMomentosdeFluenciahastaelfinal.Serecomienda
ver los ejemplos col780a3.inp y col780n3.inp. Cabe mencionar que la segunda
partedelarchivodeentradadedatosesgeneradodesdedentrodelprogramaconlos
datosproporcionadosporelusuario
NomEstIni.m: Archivo MatLab en el que se inicilizan las variables del programa.
Podraconsiderarsecomounarchivodeentradadedatosconladiferenciaquedebe
estarenelformatoMatLab.Aquseindicanlossiguientesdatosdeentrada:nombre
de archivos, datos de la estructura, variables correspondientes a los parmetros
ssmicos, variables correspondientes a los parametros estructurales, variables para la
simulacinMontecarloymuestreo,yvariablesparagenerarlascurvasdefragilidad.
SerecomiendaverlosejemplosCol780aIni.myCol780nIni.m.Luegodepreparar
estearchivoesnecesarioactualizarelarchivoFragilidad.m(programaprincipal).Se
debereemplazarlaprimeralneadecomandoporNomEstIni.m.
EnlafiguraB.1semuestranlas2partesdelarchivodeentradadedatosDRAIN2DXy
queesnecesarioparalaejecucindelprogramaFragilidad.
Figura B.1. Entrada de datos para el programa DRAIN 2DX: Primera parte (izquierda) y tercera
parte(derecha).
Una vez preparados los 3 archivos mencionados lneas arriba, se ejecuta el programa
medianteelcomandoFragilidadenlaventanadecomandos.Serecomiendatenertodos
losarchivosdelprogramaenunmismodirectorio.Elprocesodesimulacinpodratomar
muchashorasdependiendodelacapacidaddelacomputadora,delnmerodemuestras,
del nmero de parmetros estructurales y del nmero de niveles de sismicidad. En una
computadoraPentiumIVcon1.7GHzy256MbdeRAM,elprogramaseejecutaconuna
velocidad de 500 muestras por hora. Un ejemplo tpico de 100 muestras y 20 niveles de
sismicidad(2000muestrasentotal)duraaproximadamente4horas.
La ejecucin del programa puede ser interrumpido en cualquier momento ya sea por el
usuariooeventualmenteporalgnerrorgeneradoentiempodeejecucin.Sinembargoel
procesopuedereanudarsedesdelamuestraenquesequed.Paraellohayquereferirsea
lafuncinSimCont.m.
Durante el proceso de ejecucin se generan archivos de texto con informacin sobre las
muestrasylascurvasdefragilidad.Encualquiermomento,yaseaduranteodespusde
la ejecucin del programa pueden consultarse estos archivos (figura B.2). Los archivos
generadossonlossiguientes:
NomEst.sim: Este archivo de texto contiene los datos generales de la estructura
simulada, las muestras de valores generadas para los parmetros estructurales y los
resultados del proceso de simulacin (anlisis dinmico nolineal) de las estructuras
generadas).Encadamatrizdemuestrasgeneradasparaunparmetroestructural, el
nmero de filas corresponde al nmero de muestras y el nmero de columnas al
nmerodenivelesdesismicidad.
NomEst.frg: Este archivo de texto contiene los datos para graficar las funciones de
distribucinacumuladadeladerivamximadeentrepisoylascurvasdefragilidad.
Figura B.2. Archivos de salida del programa Fragilidad: Archivo NomEst.sim que muestra los
datosdeentrada(izquierda)yarchivoNomEst.simquemuestralosresultados(derecha).
B.2.Mdulosdelprograma
El programa ha sido dividido en mdulos y funciones, de tal manera de facilitar su

mantenimiento y documentacin. En la figura B.3. se muestra la organizacin de los
mdulosdelprograma.
FiguraB.3.MdulosprincipalesdelprogramaFragilidad
Acontinuacinsedescribenlosprincipalesmdulosdelprograma:
Fragilidad.m:ProgramaprincipalqueejecutalosmdulosNomEstIni.m,Guarden.m,
EstLHS.m,EstCurvas.myEstRes.m.
NomEstIni.m:Mduloquecontienelosdatosdeentradaparatodoelprograma.Seha
descritoendetalleenlaseccinB.1.
GuardaGen.m: Mdulo que se encarga de almacenar la informacin en los archivos
desalida.Todoslosarchivosdesalidapuedenrevisarsemediantecualquiereditorde
textos.
EstLHS.m: Mdulo que genera las muestras mediante Hipercubo Latino y ejecuta el
anlisis dinmico nolineal de cada de las muestras. Este mdulo ejecuta los
programasGenMuestras.m,GuardaMuestras.mySimNoLineal.m.
EstCurvas.m: Mdulo que genera las curvas de fragilidad luego de concluir todo el
proceso de simulacin. Este mdulo ejecuta los programas GenAcum.m,
GenCurvas.myGuardaCurvas.m.
EstRes.m: Mdulo que imprime y grafica los resultados. Este mdulo ejecuta los
programasImpHist.m,ImpDerivas.meImpCurvas.m.
Lasfuncionesquesonllamadasporlosmdulossonlassiguientes:
ajustepoli2.m:Realizaelajustedeunacurvamediantepolinomioscbicosnormales.
Por defecto la funcin de reajuste es de grado 3. Sin embargo, en algunos casos el
ajustedelascurvasnoessatisfactorioperosepuedecambiarelgradodelafuncin
dentrodelcdigodelafuncinparamejorelajuste.
derivamax.m:Calculaladerivamximadeentrepisoapartirdelosdesplazamientos
decadaentrepiso.
Gsismo.m: Genera seales sintticas con la ayuda del programa SIMQKE. Los
parmetros de la funcin son la aceleracin mxima del terreno y la duracin de la
sealssmica.
Simulacion.m:Reanudaoiniciael analisisnolinealdelasmuestrasgeneradas.Siel
procesofueinterrumpido,llamaralafuncinconSimCont.Siseiniciaelprocesode
simulacin,llamaralafuncindesdeSimNoLineal.
B.3.Resultadosgeneradosporelprograma
AcontinuacinsemuestranalgunaspantallasderesultadosqueelprogramaFragilidad
tieneposibilidadesdecalcular.
FiguraB.4.Histogramasdelosparmetrosestructuralesgeneradosparaelprocesodesimulacin.
FiguraB.5.Funcionesdedistribucindeprobabilidadacumuladadeladerivamximade
entrepiso.Segeneranparacadaniveldeintensidadssmica.
FiguraB.6.Curvasdefragilidadgeneradaparalosestadosdedao:sindao,leve,moderado,
severoycolapso.
Pontificia Universidad Catlica del Per

Departamento de Ingeniera
Seccin Ingeniera Civil
PROYECTO DAI #1187

Riesgo ssmico del campus PUCP ~ Segunda Fase: Desarrollo de una
metodologa para evaluar el riesgo ssmico de edificios peruanos
INFORME FINAL
Investigadores
Dr. Marcial Blondet
Ing. Alejandro Muoz
Asistente de investigacin
Ing. Jos Velsquez
Lima - Per
Octubre 2005
RIESGO SSMICO DEL CAMPUS PUCP: SEGUNDA FASE

INFORME FINAL
CONTENIDO
RESUMEN
1. INTRODUCCIN
1.1. Antecedentes
1.2. Objetivos
1.3. Metodologa y plan de trabajo
2. PELIGRO SSMICO DEL CAMPUS
2.1. Sismicidad regional y local
2.2. Evaluacin del Peligro Ssmico
Aceleracin pico en el Campus
Seales Sintticas
3. VULNERABILIDAD Y RIESGO SSMICO DE EDIFICACIONES
EDUCATIVAS
3.1. Evaluacin visual rpida de la vulnerabilidad ssmica
Descripcin del procedimiento
Tipologas estructurales
3.2. Estimacin del riesgo ssmico mediante curvas de fragilidad
3.2.1. Curvas de fragilidad y matrices de probabilidad de dao
3.2.2. Curvas de fragilidad analticas
3.2.3. Implementacin de la metodologa
3.2.3. Aplicacin a 2 edificaciones educativas peruanas
Curvas de fragilidad
Estimacin de prdidas por sismo
4. CONCLUSIONES
REFERENCIAS BIBLIOGRFICAS
Riesgo ssmico del campus PUCP: Segunda Fase
Riesgo ssmico del campus PUCP

RESUMEN
El proyecto consiste en el estudio del peligro ssmico del campus PUCP y en el desarrollo de
una metodologa para evaluar las prdidas por sismo en edificios peruanos. Esta metodologa
se aplic a la estimacin del riesgo ssmico de dos edificaciones educativas. En este informe
final se describe el desarrollo terico y analtico de los mtodos y tcnicas a utilizar y su
adaptacin a los objetivos propuestos.
El peligro ssmico del campus se ha cuantificado mediante la aceleracin mxima del terreno
para varios escenarios de sismos (espectros de diseo y seales sintticas). Esta estimacin se
basa en un enfoque probabilstico que toma en cuenta la sismicidad histrica, las fallas activas
cercanas y las condiciones topogrficas del lugar en estudio.
Para evaluar la vulnerabilidad ssmica de las edificaciones educativas se propone un mtodo
sofisticado que permite estimar las prdidas (riesgo ssmico) mediante curvas de fragilidad.
Las curvas de fragilidad son una manera de representar las probabilidades de alcanzar
determinados niveles de dao y son generadas para un tipo de estructura mediante simulacin
Montecarlo.
1. INTRODUCCIN
1.1. Antecedentes
En el Per no existe una metodologa definida de estimacin de prdidas por sismos mientras
que en otros pases, estudios de riesgo ssmico han permitido tomar medidas preventivas de
reforzamiento en edificaciones vulnerables. La Pontificia Universidad Catlica del Per
(PUCP) ha propuesto desarrollar e implementar una metodologa de evaluacin de riesgo
ssmico para edificios peruanos que puede aplicarse a las edificaciones del campus PUCP.
Para lograr este objetivo se necesita conocer por un lado el grado de la amenaza ssmica a la
que est expuesto el campus PUCP (peligro ssmico) y por otro lado, la capacidad que tienen
sus edificaciones de resistir esta amenaza (vulnerabilidad ssmica). Al combinar el peligro con
la vulnerabilidad se pueden estimar las prdidas por sismo (riesgo ssmico).
La metodologa probabilstica para estimar el peligro ssmico fue desarrollada por Cornell
(1969 y 1970). Esta metodologa integra informacin sismo-tectnica, parmetros
sismolgicos y leyes de atenuacin regionales para los diferentes mecanismos de ruptura. El
resultado es una curva de peligro ssmico, donde se relacionan la aceleracin mxima del
terreno y la probabilidad anual de excedencia para un determinado tiempo de exposicin.
Recientemente, Monroy y Bolaos (2004) aplicaron esta metodologa para generar mapas de
peligro uniforme para el Per.
Uno de los primeros intentos para cuantificar la vulnerabilidad ssmica fue desarrollado por el
Consejo de Tecnologa Aplicada (ATC) que plasm sus resultados en el reporte ATC-13
(1985). Este reporte cuantifica la probabilidad de dao ssmico de diferentes tipologas de
edificios basndose en la opinin de expertos. El ATC desarroll un mtodo de evaluacin
visual rpida de edificios ante un potencial peligro ssmico. El procedimiento de este mtodo
se describe en el reporte FEMA 154 (ATC- 21 2000). Actualmente se est adaptando esta
metodologa para edificios peruanos (Muoz y Blondet 2004) con el objetivo de reforzar la
infraestructura educativa.
El riesgo ssmico se puede representar mediante curvas de fragilidad y matrices de

probabilidad de dao (Bonett 2003). Las curvas de fragilidad caracterizan la vulnerabilidad de
un tipo de estructura y permiten estimar las prdidas por sismo. El principal objetivo del
proyecto es generar estas curvas mediante un mtodo analtico y calibrar estos resultados a
partir de la opinin de expertos. Las curvas de fragilidad generadas para las tipologas
representativas de edificaciones educativas sern implementadas en la metodologa de
estimacin de prdidas que se aplicar a un edificio del campus.
El proyecto riesgo ssmico PUCP utilizar la metodologa de evaluacin visual rpida
propuesta por Muoz (2004). Sin embargo, el objetivo primordial lo constituye la herramienta
de estimacin de riesgo ssmico basada en curvas de fragilidad ya que permite estimar las
prdidas en forma cuantitativa.
Este proyecto se ha dividido en dos partes. La primera parte se ocupa del peligro ssmico del
campus y la segunda, de la estimacin de las prdidas por sismo en edificaciones peruanas
(riesgo ssmico).
1.2. Objetivos
El objetivo general del proyecto es desarrollar las herramientas y tcnicas necesarias para la
evaluacin del riesgo ssmico de edificaciones peruanas. Los objetivos especficos del
proyecto son:
a) Implementar una metodologa para la determinacin del peligro ssmico de una zona.
b) Estimar el peligro ssmico del campus PUCP de San Miguel.
c) Generar un procedimiento para determinar la vulnerabilidad ssmica de edificaciones
educativas.
d) Aplicar las tcnicas y herramientas desarrolladas, para estimar el riesgo ssmico de un
edificio peruano.
Como aplicacin de la metodologa desarrollada para estimar el riesgo ssmico se estiman las
prdidas por sismo de 2 colegios tpicos peruanos. Los edificios del campus PUCP sern
evaluados en la siguiente etapa de este proyecto.
1.3.
Metodologa y plan de trabajo
I) Peligro ssmico del campus

a) Metodologa de estimacin de peligro ssmico de una zona.
Estudio de la metodologa probabilista de estimacin del peligro ssmico.
Estudio de las leyes de atenuacin de ondas ssmicas en terremotos de

subduccin.
b) Determinacin del peligro ssmico del campus.
Investigacin de la sismicidad histrica de Lima.
Distribucin temporal de sismos en la zona central del pas.
Determinacin y ubicacin de fallas activas.
Estudios de las condiciones geolgicas y del suelo del campus.
Seleccin de niveles probables de peligro ssmico.
Estimacin del movimiento correspondiente a los niveles de peligro.
Generacin de espectros de diseo y de seales de aceleracin sintticas.
II) Vulnerabilidad y riesgo ssmico de los edificios del campus

a) Tipologas de edificaciones educativas.
Revisin de las tipologas propuestas en el proyecto DAI Plan Nacional de

Proteccin Ssmica de la Infraestructura Educativa del Per (Muoz 2004).
Seleccin de las tipologas estructurales correspondientes a los edificios del

campus.
b) Desarrollo del procedimiento para cuantificar la vulnerabilidad ssmica de los

edificios de la PUCP.
Revisin de la metodologa de evaluacin visual rpida desarrollada en el

proyecto DAI Plan Nacional de Proteccin Ssmica de la Infraestructura
Educativa del Per (Muoz 2004).
c) Desarrollo del procedimiento para estimar las prdidas por sismo en los edificios de
la PUCP.
Estudio de la metodologa probabilista de estimacin de prdidas por sismo

basada en curvas de fragilidad.
Estudio de la metodologa para generar curvas de fragilidad mediante un mtodo

analtico (Bonett 2003).
Implementacin de la metodologa para generar curvas de fragilidad analticas

mediante un programa en Matlab.
Generacin de curvas de fragilidad para 2 edificios educativos peruanos.
Desarrollo de la metodologa para estimar las prdidas por sismo utilizando las
curvas de fragilidad obtenidas.
d) Estimacin de las prdidas por sismo de los 2 edificios educativos peruanos.

La alta ocurrencia de eventos ssmicos en nuestro pas evidencia la necesidad de cuantificar
los efectos de los sismos en nuestras estructuras. Para cuantificar estos eventos ssmicos debe
tenerse en cuenta la sismicidad del lugar y tambin la respuesta de las estructuras a dicha
sismicidad
El peligro ssmico se puede cuantificar mediante el valor mximo de algn parmetro que
representa el movimiento del terreno, por ejemplo, la aceleracin mxima del terreno.
Tambin es usual utilizar algn parmetro correspondiente a la respuesta estructural como es
la pseudo-aceleracin (parmetro que permite calcular los desplazamientos mximos en una
estructura).
Para representar el peligro ssmico se pueden emplear dos enfoques, el determinista y el
probabilista. El enfoque determinista cuantifica el peligro considerando el sismo ms
destructivo que pueda ocurrir en el lugar de anlisis. El enfoque probabilista expresa la
aceleracin de diseo (parmetro que representa el movimiento del terreno) para diferentes
niveles de probabilidad de excedencia.
El campus PUCP est ubicado en la ciudad de Lima que se encuentra cerca al margen de la
placa tectnica convergente activa entre las placas de Nazca al oeste y Sudamericana al este.
Sus coordenadas geogrficas son 1207 Latitud Sur y 7711 Longitud Oeste.
Figura 2.1. Ubicacin del campus PUCP (Placas Tectnicas).
El proceso de subduccin de la placa de Nazca presenta tres zonas importantes de actividad

tectnica: la zona de subduccin de interfase poco profunda, la zona de subduccin de
intraplaca profunda y la zona de corteza continental de la placa Sudamericana (figura 2.2).
FOSA
PERUANA-CHILENA
COSTA
AMAZONAS
PROFUNDIDAD, km
ZON
AD
E
50
INT
ERF
PLACA SUDAMERICANA
(ZONA CORTICAL)
ASE
PL A
CA
DE
NAZ
CA
100
ZO
NA
DE
IN T
R
APL
ACA
8a
10
cm
/a
o
150
Figura 2.2. Seccin transversal del proceso tectnico en la zona de subduccin (Bariola 2001).
La sismicidad histrica en el Per ha sido registrada desde la conquista y colonizacin de los

espaoles. Los investigadores que realizaron los aportes ms importantes a la historia ssmica
peruana fueron Silgado (1968, 1978, 1985), Dorbath et al. (1990) y Alva et al. (1984).
Los terremotos histricos ms importantes que han ocurrido en Lima a lo largo de la historia
se muestran en la siguiente tabla.
Tabla 2.1. Terremotos Histricos en Lima (Silgado 1985).
Fecha del Terremoto
Hora
Intensidad
Magnitud
9 de julio de 1586
7:00 p.m.
2:38 p,m.
4:15 p.m.
11:30 a.m.
X-XI MM
8.1 Ms
6:00 p.m.
30 de marzo de 1828
7:35 a.m.
24 de mayo de 1940
11:35 a.m.
VII-VIII MM
7.9 Ms
4:14 p.m.
VIII MM
7.7 Ms
9:21 a.m.
VII MM
7.9 Ms

En los ltimos 30 aos la aplicacin de los conceptos de probabilidades en la ingeniera
ssmica ha permitido que las incertidumbres en la magnitud, la ubicacin, la variacin del
movimiento del suelo y en la respuesta estructural puedan ser explcitamente consideradas en
la evaluacin del peligro ssmico.
Un anlisis probabilista del peligro ssmico se desarrolla mediante la representacin adecuada
de la actividad ssmica de la zona en estudio y la eleccin de alguna relacin entre la amplitud
del movimiento del suelo o de la respuesta estructural, alguna medida del sismo (magnitud o
intensidad) y la distancia entre el foco y la distancia de inters.
Para relacionar la amplitud del movimiento, el tamao del sismo y la distancia se pueden
emplear leyes de atenuacin. Las incertidumbres en la ocurrencia, ubicacin y el nivel de
respuesta ssmica esperada (movimiento del suelo o respuesta estructural) son consideradas
mediante funciones de densidad de probabilidades.

Se ha estimado el peligro ssmico del campus, empleando la metodologa propuesta por
McGuire (1976) que se basa en el teorema de probabilidad total. Este teorema se puede
representar mediante la siguiente ecuacin:
(1)
P[A] representa la probabilidad de ocurrencia de un determinado evento A. S y R son

variables continuas e independientes que influyen en A. Por tanto, la probabilidad de que el
evento A ocurra puede calcularse integrando el producto de la probabilidad de A para
determinados valores de S y de R y las probabilidades de ocurrencia de S y R.
Para la estimacin de la aceleracin mxima, P[A] representa la probabilidad de excedencia
del valor de la aceleracin mxima, A. El evento S representa la ocurrencia de un sismo de
magnitud S. El evento R representa la ocurrencia del sismo de magnitud S a una distancia R
del foco.
Para la evaluacin del riesgo ssmico se han elegido tres escenarios de sismicidad
representados por los niveles de peligro ssmico sugeridos por el SEAOC (1999): Sismo
Ocasional (50% de excedencia en 50 aos), Sismo Raro (10% de excedencia en 50 aos) y
Sismo Muy Raro (5% de excedencia en 50 aos).
Estos niveles de sismicidad se pueden expresar tambin a travs del perodo de retorno,
mediante la siguiente expresin:
PMX [a > A] = 1 e
t
TR
(2)
Donde,
PMX [a>A], es la probabilidad de superar un valor aceleracin A.
t, es el tiempo de exposicin (generalmente la vida til de la edificacin).
TR, es el perodo de retorno.
El peligro ssmico en el campus se estim mediante el empleo del programa EQRisk
(McGuire, 1976). Se tomaron como datos de entrada las coordenadas del campus, las fuentes
sismognicas sugeridas por Castillo y Alva (1993) y se emple la ley de atenuacin de

Casaverde y Vargas (1980).
Adems, se establecieron valores de recurrencia (inversa del perodo de retorno) para los
cuales se estim la aceleracin pico asociada. Con estas aceleraciones se gener la curva
perodo de retorno versus aceleracin para el campus PUCP mostrada en la figura 2.3.
3500
3000
2500
2000
1500
1000
500
0
0.0
0.1
0.2
0.3
0.4
0.5
0.7
0.6
Aceleracin (g)
Figura 2.3. Curva perodo de retorno vs. aceleracin asociada para las coordenadas del campus de la
PUCP.
Los valores de aceleracin pico para los tres niveles de sismicidad se muestran en la tabla 2.2.
Tabla 2.2. Aceleracin pico asociada a los tres niveles de sismicidad seleccionados
Aceleracin Pico
Perodo de
(g)
Retorno (aos)
Sismo Ocasional
0,20
72
Sismo Raro
0,40
475
Sismo Muy Raro
0,50
975
Se puede comprobar que los resultados de la tabla anterior coinciden con las aceleraciones
estimadas por el programa MRIESGO (Monroy y Bolaos 2004), como se observa en el mapa
de distribucin de aceleraciones mostrado en la figura 2.4.
+1
-82
-80
-78
-74
-76
-72
-70
-68
+1
COLOMBIA
-2
36
0.
g
0.
-4
22
g
-2
-4
04
0.
g
06
g
08
0.
20
0.
0.
-6
g
18
0. 20g
0.
-6
4g
g
26
g
6g
28 g
.3 38g g
0. 30 g
0..324g 0 0.0. 40
0 .3
0
ECUADOR
0.
g
10
0.
g
14
0.
36
12
0.
-8
14
0.
-12
12
0.
g
14
0.
g
0.10 g
g
16
0.
0.
0 16
0 .18 g
0. .20gg
0 2
0 .24 2g
0 .26 g
0. .28g g
30
0.
g
32
g
BOLIVIA -16
g
0 .30 2g
0.3

: 0.00 seg
: 50 aos
0.
3
0 8
0. . 40 g
42 g
g

km
-20
100
-82
200
-80
300
CHILE
400
-78
-18
36
0.
0.34
-18
-14
0 0.1
0 .14 2g
0. . 16 g
0 1 g
0. .20 8g
22 g
0g
0 .2
0. .264g
28 g
g
g
34
0 . 6g
3 g
0. 38 g
0 . 40 2 g
0.0.4 44gg
44
00..
0.04 g
0.02 g
-16
0.16 g
-14
-10
CO
FI
CI
PA
0.22 g
22
-12
24
0.
0.28 g
20
0.
NO
EA
OC
0.34 g
g
26
0. 8g
6g g
2 g
0.. 302g 0 .3. 38 0g
0 .3 4g 0 .4
0
0 .3
0
0.40 g
-10
g
18
0.
0.
0.45 g
-8
BRASIL
-76
-74
-72
-70
-20
-68
Figura 2.4. Distribucin de aceleraciones en el Per para un periodo de exposicin de 50 aos y 10%
de probabilidad de excedencia (Monroy y Bolaos 2004).
10
Seales Sintticas
Las seales sintticas son registros de seales ssmicas aleatorias y que se utilizan para
representar el comportamiento estocstico del movimiento del suelo. En este trabajo se han
generado seales sintticas compatibles con el espectro de diseo de la norma peruana. Estas
seales se usan para estudiar la vulnerabilidad de los edificios mediante curvas de fragilidad.
En la figura 2.5 se muestran seales sintticas representativas de los niveles de peligro
ssmico para el campus PUCP.
Seal sintetica para una aceleracion maxima del suelo de 0.20g
0.5
0.4
0.3
Aceleracion del suelo, g
0.2
0.1
-0.1
-0.2
-0.3
-0.4
-0.5
10
20
30
Tiempo, s
40
50
60
Seal sintetica para una aceleracion maxima del suelo de 0.40g

0.5
0.4
0.3
Aceleracion del suelo, g
0.2
0.1
-0.1
-0.2
-0.3
-0.4
-0.5
10
20
30
Tiempo, s
40
50
60
Figura 2.5. Seales sintticas para sismos ocasionales (arriba) y sismos raros (abajo).
11

EDUCATIVAS
Como parte del presente trabajo se ha estudiado una primera metodologa que permite evaluar
la vulnerabilidad ssmica de edificaciones educativas de una manera visual y rpida (Muoz
2004). La segunda metodologa permitir estimar el riesgo ssmico, es decir, los costos de
reposicin de las edificaciones mediante el desarrollo de curvas de fragilidad. Esta ltima
constituye la mayor parte del trabajo realizado en este proyecto.
3.1.
Evaluacin visual rpida de la vulnerabilidad ssmica

Este procedimiento requiere de la ejecucin de encuestas de opinin a expertos en estructuras
y en evaluacin de daos producidos por sismos.
La evaluacin visual de un edificio en particular, se lleva cabo mediante el llenado de un
formulario. El resultado es la obtencin de un puntaje estructural P, el cual toma en cuenta la
tipologa estructural del edificio y las caractersticas individuales que pueden ser observadas
desde su exterior. El puntaje estructural P se relaciona con la probabilidad de que el edifico
presente un nivel dao que amenace la vida de los ocupantes ante la ocurrencia de un sismo
severo en la regin en estudio. Mediante el puntaje P, se puede decidir qu edificios
requieren una evaluacin ms detallada.
El procedimiento de evaluacin visual rpida podr ser aplicable en el Per teniendo en
cuenta las variaciones en los parmetros de entrada como son la tipologa estructural, los
puntajes estructurales bsicos y los puntajes modificadores.
La caracterizacin de las tipologas se realiza para poder agrupar un gran nmero de edificios
con caractersticas similares y obtener un nico modelo representativo. De esta manera
analizando el modelo representativo se puede extrapolar los resultados para todo el grupo que
representa.
Las tipologas de edificaciones educativas ms importantes son :
Prticos de concreto armado rellenos con muros de albailera
Placas de concreto armado rellenos con muros de albailera
Mampostera de adobe
Mampostera con bloques de concreto
A partir de las tipologas definidas, se calculan los puntajes bsicos y los puntajes
modificadores. Estos puntajes son obtenidos a partir de las encuestas realizadas a los expertos.
12

Las curvas de fragilidad son una herramienta probabilstica que constituyen la base para la
estimacin del riesgo ssmico. Los mtodos para generar estas curvas son diversos y entre
ellos destacan los mtodos experimentales, los mtodos basados en opinin en expertos y los
mtodos analticos.
3.2.1. Curvas de fragilidad y matrices de probabilidad de dao
Las curvas de fragilidad representan la probabilidad de que una estructura exceda un
determinado estado de dao en funcin de un parmetro que define la intensidad ssmica.
Estas curvas sirven para estimar el riesgo ssmico de grupos de edificios con caractersticas
estructurales similares o de una estructura esencial (puente, planta nuclear, aeropuerto, lneas
vitales). Las curvas de fragilidad se pueden generar mediante observaciones de campo,
basndose en la opinin de expertos y utilizando mtodos analticos (Bonett 2003). Cuando
no se dispone de suficiente informacin de campo, las curvas de fragilidad pueden generarse
analticamente mediante simulacin (Hwang y Huo 1994).
La figura 3.1 muestra un ejemplo de curvas de fragilidad para un tipo de estructura. La
intensidad ssmica se ha definido por la aceleracin pico del suelo. Se observa que para una
aceleracin de 0,30g, la probabilidad de que esta edificacin presente un dao completo ser
de 37%. El 35% de edificios de este tipo sufriran dao severo, el 20% dao moderado y solo
el 8% dao leve, ante la misma intensidad ssmica.
Fig. 3.1. Ejemplo de curvas de fragilidad

Las matrices de probabilidad de dao son otra forma de relacionar (en forma discreta) la
intensidad ssmica con los estados de dao. Estas matrices expresan la probabilidad de
obtener un determinado nivel de dao para una estructura sujeta a un sismo con un nivel de
severidad determinado (Braga et al 1986).
En la tabla 3.1 se muestra un ejemplo de matriz de probabilidad de dao para otro tipo
estructura. Se observa que para un sismo de intensidad IX en la escala de Mercalli Modificada
(MMI) se tiene una probabilidad de 3,0% de alcanzar dao ligero; 68,1% para dao moderado
y 28,9% para dao pesado.
13
Tabla 3.1. Matriz de probabilidad de dao propuesta por el ATC-13 para una tipologa (1985)
Estado de
Dao

Dao (%)
Dao (%)
Probabilidad de dao en porcentaje para c/IMM y estado

de dao
VI
1-Sin Dao
2-Mnimo
3-Ligero
4-Moderado
5-Pesado
6-Mayor
7-Destruccin
0
0-1
1 - 10
10 - 30
30 - 60
60 - 100
100
0,0
0,5
5,0
20,0
45,0
80,0
100,0
0,1
27,0
72,9
VII
2,2
89,3
8,5
VIII
IX
32,2
66,9
0,9
3,0
68,1
28,9
XI
XII
19,9
74,2
5,9
3,9
57,8
38,3
0,1
12,4
84,3
3,2
3.2.2. Curvas de fragilidad analticas

El mtodo analtico para generar curvas de fragilidad se emplea en zonas donde no se dispone
de informacin de daos producidos por sismos, ni de suficientes ensayos de laboratorio
(Bonett 2003).
El procedimiento para generar curvas de fragilidad consiste en calcular la respuesta de un
grupo significativo de estructuras ante diferentes niveles de demanda ssmica. Del
procesamiento estadstico del nivel de dao encontrado se obtienen las curvas de fragilidad.
Para generar la muestra se toman en cuenta las variaciones en las propiedades estructurales,
en la demanda ssmica y en los estados de dao representado por un parmetro indicador del
dao (PID). Usando luego procedimientos de anlisis dinmico no-lineal, se calcula la
respuesta y se construyen funciones de distribucin de probabilidad para el dao alcanzado.
Finalmente, en base a estas funciones se logra representar la vulnerabilidad mediante curvas
de fragilidad o matrices de probabilidad de dao (figura 3.2).
Metodologa para la simulacin

de curvas de fragilidad
Generacin de
acelerogramas sintticos
Generacin de parmetros
estructurales
Definicin de los criterios

para la identificacin de los
estados de dao
Simulacin por Montecarlo

(Hipercubo Latino)
Anlisis dinmico no lineal

Funciones de distribucin
de probabilidad de dao
Matrices de
probabilidad de dao
Figura 3.2. Metodologa para la simulacin de las curvas de fragilidad (Adaptado de Bonett 2003)
14
a. Variabilidad considerada
El mtodo de Montecarlo es una tcnica de simulacin que permite estimar la respuesta de
procesos estocsticos. A partir de funciones de distribucin de probabilidad de las variables
del proceso se pueden estimar las respuestas (Bonett 2003, Erberik y Elnashai 2004). Para
estudiar la vulnerabilidad de edificios, se genera un conjunto de muestras de las variables que
representan los parmetros ssmicos y estructurales. Los valores para cada parmetro se eligen
en forma aleatoria a partir de su distribucin de probabilidad. Para obtener resultados
confiables se requiere de un gran nmero de ejecuciones. Para reducir el tamao de la muestra
se utiliza la tcnica del Hipercubo Latino (Florian 1992). Esta tcnica permite reducir la
muestra a 100 modelos estructurales que representan razonablemente bien las incertidumbres
en las variables ssmicas y estructurales.
Parmetros ssmicos
Para representar la accin ssmica en el anlisis no-lineal se utilizan seales sintticas
(acelerogramas aleatorios). Se generan seales compatibles con el espectro de peligro
uniforme del sitio. Estas seales sintticas se generan para un Parmetro indicador de la
Intensidad Ssmica (PIS). El PIS utilizado es la aceleracin mxima del suelo (PGA) debido a
que el peligro ssmico est definido en funcin de este parmetro en todo el territorio peruano.
En la figura 2.5 se observan acelerogramas generados para un determinado sitio con PGAs de
0,20g y 0,40g compatibles con el espectro elstico de diseo de la norma peruana.
Parmetros estructurales
Los parmetros estructurales considerados fueron la resistencia a la compresin del concreto
(fc) y el esfuerzo de fluencia del acero de refuerzo (fy). De acuerdo a datos experimentales el
fy se ajusta mejor a una distribucin lognormal. Para el fy de 4200kg-f/cm2 se usa una media
de 4800kg-f/cm2 y un coeficiente de variacin del 6%. En el concreto, es tpico utilizar la
distribucin normal y para un concreto con fc de 280 kg-f/cm2 se adopta una media de 320
kg-f/cm2 y un coeficiente de variacin del 15%.
Estados de Dao
Para estudiar el efecto de los sismos se utiliza el factor de dao que representa la relacin
entre el costo de reparacin y el costo de reposicin (reemplazo total) del edificio. Los valores
mostrados en la tabla 3.2 son los recomendados por Hwang y Lin (2002) y que han sido
utilizados en esta metodologa. Por ejemplo, a partir de esta tabla, podramos afirmar que para
reparar una estructura que ha sufrido dao moderado el costo de reparacin equivale al 20%
del costo de reposicin.
Debido a que los elementos estructurales y no-estructurales son sensibles a los
desplazamientos relativos de entrepiso, en este estudio se usa la deriva mxima de entrepiso,
mx, como PID. A partir de la curva de capacidad de la estructura se definen los rangos de
mx asociados con los estados de dao (SEAOC 1999).
Tabla 3.2. Estados de dao y factores de dao sugeridos por Hwang y Lin (2002)
EstadodeDao
FactordeDao
SinDao
Leve
Moderado
Severo
Completo
0%
5%
20%
65%
100%
15
b. Anlisis Dinmico No-lineal

El modelo estructural considera elementos unidimensionales con rtulas concentradas por
flexin y rtulas concentradas por corte, de tal manera que se toma en cuenta la degradacin
de la rigidez y la prdida de resistencia de los elementos del sistema estructural a travs del
tiempo. Los modelos simulados son sometidos a las seales sintticas que representan el
movimiento ssmico. Para realizar el anlisis no-lineal se utiliza el programa DRAIN-2DX
(Prakah et al. 1993).
c. Funcin de distribucin de probabilidad del dao
A partir de los resultados obtenidos del proceso de simulacin, se obtienen las funciones de
distribucin de probabilidad del PID para cada nivel de intensidad ssmica (PIS). La figura
3.3 muestra un ejemplo para los desplazamientos laterales mximos de un colegio tpico
peruano. Estas curvas fueron ajustadas mediante polinomios cbicos normales (Hong y Lind
1996).
Colegio
780 nuevo
Fig. 3.3. Funcin de distribucin de probabilidad acumulada (fdp) de los desplazamientos

laterales mximos para un modelo de colegio tpico peruano.
d. Curvas de fragilidad y Matrices de Probabilidad de Dao
Utilizando las funciones de distribucin condicional del parmetro de respuesta estructural
(figura 3.3) y los valores lmites que definen los estados discretos de dao, se obtienen las
curvas de fragilidad que relacionan el Parmetro indicador de la Intensidad Ssmica (PIS) con
la probabilidad de excedencia (FD) de un estado de dao EDi (Bonett 2003). sto es:
(3.1)
La figura 3.4 muestra el procedimiento de obtencin de una curva de fragilidad para el caso
del estado de dao severo. Por ejemplo, para un PGA de 0,20 g, y mx = 0,90 %
correspondiente al estado de dao severo, se tiene una fdp de 0,50. La probabilidad de
excedencia se obtiene como FD=1-fdp = 1-0,50=0,50, que representa una probabilidad del
50% de alcanzar o exceder el nivel de dao severo para una aceleracin mxima del terreno
de 0,20g. Los puntos as obtenidos se pueden tambin ajustar a los polinomios normales
propuestos por Hong y Lind (1996) o una distribucin lognormal. Se aplica el mismo
procedimiento para los dems estados de dao y se obtienen curvas como las mostradas en la
figura 3.1.
16
Figura 3.4. Procedimiento para la obtencin de las curvas de fragilidad a partir de las fdp y de los
umbrales de los estados discretos de dao. a) Para el umbral de dao severo (max = 0.9%) se leen las
fdps correspondientes a cada PGA. b) FDi se obtiene como 1 fdpi y se ajusta la curva de
probabilidad a los puntos obtenidos. (Bonett 2003).
3.2.3. Implementacin de la metodologa

El proceso para generar las curvas de fragilidad se ha sistematizado mediante un programa
desarrollado en MatLab (MathWorks 2002) denominado Fragilidad. Este programa tiene la
intencin de ser de propsito general, es decir, que pueda aplicarse al estudio de cualquier
tipologa estructural. En el futuro se pretende mejorar la interfase y habilitar ms opciones
para que pueda aplicarse en la estimacin del riesgo ssmico de los edificios de la Pontificia
Universidad Catlica del Per. Actualmente el programa est en fase de prueba.
El cdigo ha sido desarrollado de acuerdo al diagrama mostrado en la figura 3.2. Cada bloque
representa un mdulo del programa y puede documentarse, optimizarse y en general,
mantenerse en forma independiente. El programa Fragilidad requiere de un archivo de
entrada de datos donde se debe proporcionar informacin sobre el modelo estructural,
parmetros ssmicos y estructurales, funciones de distribucin de probabilidad, definicin de
los estados de dao y parmetros del proceso de simulacin.
17
Figura 3.5. Archivo de entrada de datos para los programas DRAIN-2DX y

Fragilidad.
3.2.4.Aplicacin a 2 edificaciones educativas peruanas
Como aplicacin de esta metodologa se seleccion 2 colegios tpicos peruanos: un sistema
aporticado relativamente antiguo que ha tenido pobre desempeo ssmico, 780 antiguo, y
un sistema de diseo ms reciente cuyo excelente desempeo ha sido probado en el sismo de
Arequipa del 2001, el 780 moderno. La denominacin 780 se debe a que ambos colegios
tiene aulas de 7,80m de largo. Las curvas de fragilidad se muestran en la figura 3.6. Se puede
observar claramente que el colegio 780 Moderno tiene una mejora radical en su desempeo
ssmico y por lo tanto baja probabilidad de daos severos para sismos moderados. Esto se
debe al aumento en la exigencia de rigidez lateral impuesta por la norma sismorresistente de
1997 (SENCICO 1997).
18
Figura 3.6. Curvas de fragilidad para los 2 colegios tpicos peruanos.

Las curvas de fragilidad de estos colegios permiten calcular directamente los costos de
reparacin, escogiendo adecuadamente escenarios de intensidad ssmica. Cabe mencionar que
no se toma en cuenta el dao producido en los elementos no-estructurales. El procedimiento
consiste en determinar las probabilidades para los diversos estados de dao y los factores de
dao (FD), que permiten calcular un Factor de Dao Medio, FDM (Hwang y Lin 2002). En la
figura 3.7 se muestra la forma de obtener el FDM para el colegio 780 antiguo y para una
intensidad ssmica representada por un PGA de 0,4g. A partir de esta tabla se puede afirmar
que la estructura se daa, en promedio, un 43,75%.
Figura 3.7. Determinacin del Factor de Dao Medio a partir de las Curvas de Fragilidad.
19
Considerando un colegio tipo 780 antiguo de 450m2 de rea construida y cuyo costo de
reposicin es de aproximadamente US$250/m2, se estima un costo de reparacin de su
estructura ante un sismo de 0,40g de 43,75% x 450m2 x US$250/m2 = US$ 49219. En la tabla
3.3 se muestran los costos de reparacin estimados para ambos colegios tpicos y para los 3
niveles de peligro ssmico..
Tabla 3.3. Costos de reparacin estructural de los 2 colegios tpicos peruanos
Intensidad Ssmica
Sismo Ocasional
Sismo Raro
Sismo Muy Raro
Aceleracin Costo de reparacin (miles de US$)

pico (g)
780 antiguo
780 moderno
0,20
9,3
0,0
0,40
49,2
5,5
0,50
74,0
10,1
4. CONCLUSIONES
Este trabajo demuestra que las curvas de fragilidad permiten estimar razonablemente bien las
prdidas por sismo, ya que toman en cuenta las incertidumbres tanto en la demanda ssmica
como en la respuesta de la estructura. Debido a que se trata de una herramienta probabilstica,
su aplicacin resultar ms efectiva si se aplica masivamente a grupos de edificios de
similares caractersticas estructurales.
Debido a que existe una cantidad importante de colegios diseados con la norma previa al ao
1997 (780 antiguo), esta metodologa puede aplicarse para evaluar el riesgo ssmico (costos
de reparacin) de estas edificaciones ante diversos escenarios de sismos. Tambin se pueden
proponer algunos sistemas de refuerzo y evaluar su desempeo mediante sus curvas de
fragilidad. Esta metodologa puede ser utilizada para estimar las prdidas por sismo en los
edificios del campus PUCP.
La metodologa para generar curvas de fragilidad tiene muchas simplificaciones, pero puede
mejorarse si se toman en cuenta otras variables particulares del sitio (accin ssmica) y de la
estructura. En un trabajo futuro la metodologa podra refinarse para generar curvas de
fragilidad ms consistentes. Las recomendaciones son: incluir sismos reales en vez de seales
sintticas, considerar la definicin de los estados de dao como dependiente de los parmetros
estructurales y utilizar como parmetro indicador de la intensidad ssmica al pseudodesplazamiento o la pseudo-aceleracin de la estructura ya que son ms representativos de la
demanda ssmica.
20
Applied Technology Council (ATC). 1985. Earthquake Damage Evaluation data for
California. ATC-13. Redwood City, California.
Applied Technology Council (ATC). 2000. Rapid Visual Screening of Buildings for
Potential Seismic Hazards: A Handbook. ATC-21/FEMA 154. Washington, USA.
Bonett, Ricardo. 2003. Vulnerabilidad y Riesgo Ssmico de Edificios. Aplicacin a entornos
urbanos en zonas de amenaza alta y moderada. Tesis Doctoral, Universidad Politcnica de
Catalua. Barcelona.
Braga F., Dolce M., Liberatore D. 1986. Assessment of the relationships between
macroseismic intensity, type of building and damage, based on recent Italy earthquake data.
Proceeding of the 8th European Conference on Earthquake Engineering. Lisboa, Portugal.
Casaverde L. y Vargas J. 1980. Zonificacin Ssmica del Per, II Seminario
Latinoamericano de Ingeniera Sismorresistente, OEA y PUCP Lima, Per.
Castillo, J., Alva, J. 1993. Peligro Ssmico en el Per, VII Congreso Nacional de Mecnica
de Suelos e Ingeniera de Cimentaciones, Lima, Per.
Cornell, C. A., and Benjamin, J. R. 1970. Probability, Statistics, and Decision for Civil
Engineers.
Cornell, C. A., and Vanmarcke, E. H. 1969. The Major Influences on Seismic Risk,
Proceedings. Fourth World Conference on Earthquake Engineering, Vol. I.
Erberik, M., and Elnashai, A. 2004. Vulnerability Analysis of Flat Slab Structures.
Proceedings of the 13th World Conference on Earthquake Engineering. Paper No. 3102.
Vancouver, August, 2004.
Florian, A. 1992. An efficient sampling scheme: Updated Latin Hypercube Sampling.
Probabilistic Engineering Mechanics, 7, 123130.
Hong, H. P. y Lind, N. C. 1996. Approximate reliability analysis using normal polynomial
and simulation results. Structural Safety, 18(4), 329339.
Hwang, H. H. M., and Huo, J-R. 1994. Generation of Hazard-Consistent Fragility Curves for
Seismic Loss Estimation Studies. Technical Report NCEER-94-0015.
Hwang, H., and Lin, Y.W. 2002. Seismic Loss Assessment of Memphis City School
Buildings. Proceedings of the Seventh U.S. National Conference on Earthquake Engineering
(7NCEE).
MathWorks Inc. 2002. MATLAB. The Language of Technical Computing.
McGuire, R. 1976. EQRISK. Evaluation of Sites for Earthquake Risk, Open File Report 7997. USGS, EEUU.
Monroy M., Bolaos L. 2004. Espectros de peligro ssmico uniforme. Programa
MRIESGO. Tesis para optar el grado de Magster en Ingeniera Civil. PUCP.
Muoz A. y Blondet M. 2004. Plan Nacional de Proteccin Ssmica de la Infraestructura
Educativa del Per. Proyecto de Investigacin auspiciado por la DAI. Primer Informe.
Pontificia Universidad Catlica del Per.
21
Prakah, V., Powel, G. H. y Campbell, S. (1993). DRAIN-2DX. University of California,

Berkeley.
SENCICO 1997. Norma Tcnica de Edificacin NTE-.030. Diseo Sismorresistente.
Reglamento Nacional de Construcciones. Comit Peruano Permanente de Diseo
Sismorresistente. Ministerio de Vivienda, Construccin y Saneamiento.
Silgado M., Giesecke A. 1981. Terremotos en el Per. Lima: Ediciones Richkay Per.
Structural Engineers Association of California (SEAOC). 1999. Recommended Lateral
Forces Requirements and Commentary (the Blue Book). California: SEAOC.
22

Departamento de Ingeniera
Seccin Ingeniera Civil
PROYECTO DAI #1187

Riesgo ssmico del campus PUCP ~ Segunda Fase: Desarrollo de una
metodologa para evaluar el riesgo ssmico de edificios peruanos
PRIMER INFORME
Investigadores
Jorge Marcial Blondet Saavedra
Juan Alejandro Muoz Pelaez
Lima - Per
Diciembre 2004

Primer Informe
Contenido
RESUMEN
1. INTRODUCCIN
1.1. Antecedentes
1.2. Objetivos
1.3. Metodologa y plan de trabajo
1.4. Resultados esperados
1.5. Avance realizado
3
4
5
6
6

Seales Sintticas
Resumen
7
9
9
12
12

EDUCATIVAS
13
3.1. Evaluacin visual rpida de la vulnerabilidad ssmica

13
13
13

Curvas de fragilidad y matrices de probabilidad de dao
Curvas de fragilidad analticas
Curvas de fragilidad basadas en opinin de expertos
Resumen
15
15
16
22
23
24
25
Con formato: Numeracin y

vietas

vietas

RESUMEN
El proyecto consiste en el estudio del peligro ssmico del campus PUCP y en

el desarrollo de una metodologa para evaluar la vulnerabilidad ssmica de
edificaciones educativas. Esta metodologa se aplicar en la estimacin del
riesgo ssmico de un edificio del campus. Este primer informe describe el
desarrollo terico y analtico de los mtodos y tcnicas a utilizar y su
adaptacin a los objetivos propuestos.
El peligro ssmico del campus se ha cuantificado mediante la aceleracin
mxima del terreno para varios escenarios de sismos (espectros de diseo y
seales sintticas). Esta estimacin se basa en un enfoque probabilista que
toma en cuenta la sismicidad histrica, las fallas activas cercanas y las
condiciones topogrficas del lugar en estudio.
Para evaluar la vulnerabilidad ssmica de las edificaciones educativas se
propone un mtodo de evaluacin visual rpida basado en puntajes
asociados a determinadas caractersticas estructurales. Un estudio ms
sofisticado de la vulnerabilidad ssmica permitir estimar las prdidas (riesgo
ssmico) y para ello se propone utilizar curvas de fragilidad generadas
mediante simulacin Montecarlo y calibradas a partir de la opinin de
expertos.
1. INTRODUCCIN
1.1.
Antecedentes
En el Per no existe una metodologa definida de estimacin de prdidas por

sismos mientras que en otros pases, estos estudios de riesgo ssmico han
permitido tomar medidas preventivas de reforzamiento en edificaciones
vulnerables. La Pontificia Universidad Catlica del Per (PUCP) ha propuesto
desarrollar e implementar una metodologa de evaluacin de riesgo ssmico
para edificios peruanos y que puede aplicarse a edificaciones educativas.
Este proyecto se ha dividido en dos bloques. El primer bloque se ocupa del
peligro ssmico del campus y el segundo, de la estimacin de la
vulnerabilidad de edificaciones educativas y riesgo ssmico. A continuacin se
describen los antecedentes de estudios realizados en cada bloque.
La metodologa probabilista para estimar el peligro ssmico fue desarrollada
por Cornell (1969 y 1970). Esta metodologa integra informacin sismotectnica, parmetros sismolgicos y leyes de atenuacin regionales para los
diferentes mecanismos de ruptura. El resultado es una curva de peligro
ssmico, donde se relacionan la aceleracin mxima del terreno y la
probabilidad anual de excedencia para un determinado tiempo de exposicin.
Recientemente, Monroy y Bolaos (2004) aplicaron esta metodologa para
generar mapas de peligro uniforme para el Per.
Uno de los primeros intentos para cuantificar la vulnerabilidad ssmica fue

desarrollado por el Consejo de Tecnologa Aplicada (ATC) que plasm sus
resultados en el reporte ATC-13 (1985).
Este reporte cuantifica la
probabilidad de dao ssmico de diferentes tipologas de edificios basndose
en la opinin de expertos. El ATC desarroll un mtodo de evaluacin visual
rpida de edificios ante un potencial peligro ssmico. El procedimiento de este
mtodo se describe en el reporte FEMA 154 (ATC- 21 2000). Actualmente se
est adaptando esta metodologa para edificios peruanos (Muoz 2004) con
el objetivo de reforzar la infraestructura educativa.
El riesgo ssmico se puede representar mediante curvas de fragilidad y
matrices de probabilidad de dao (Bonett 2003). Las curvas de fragilidad
caracterizan la vulnerabilidad de un tipo de estructura y permiten estimar las
prdidas por sismo. El principal objetivo del proyecto es generar estas curvas
mediante un mtodo analtico y calibrar estos resultados a partir de la opinin
de expertos. Las curvas de fragilidad generadas para las tipologas
representativas de edificaciones educativas sern implementadas en la
metodologa de estimacin de prdidas que se aplicar a un edificio del
campus.
El proyecto riesgo ssmico PUCP utilizar la metodologa de evaluacin visual
rpida propuesta por Muoz (2004). Sin embargo, el objetivo primordial lo
constituye la herramienta de estimacin de riesgo ssmico basada en curvas
de fragilidad ya que permite estimar las prdidas en forma cuantitativa.
1.2.
Objetivos
El objetivo general del proyecto es desarrollar las herramientas y tcnicas

necesarias para la evaluacin del riesgo ssmico de edificaciones peruanas.
Los objetivos especficos del proyecto son:
a) Implementar una metodologa para la determinacin del peligro ssmico
de una zona.
b) Estimar el peligro ssmico del campus PUCP de San Miguel.
c) Generar un procedimiento para determinar la vulnerabilidad ssmica de
edificaciones educativas.
d) Aplicar la tcnicas y herramientas desarrolladas, para estimar el riesgo
ssmico de un edificio del campus.

vietas
1.3.
Metodologa y plan de trabajo
I) Peligro ssmico del campus

a) Metodologa de estimacin de peligro ssmico de una zona.
- Estudio de la metodologa probabilista de estimacin del peligro ssmico.
- Estudio de la atenuacin de ondas ssmicas en terremotos de
subduccin.
b) Determinacin del peligro ssmico del campus.
- Investigacin de la sismicidad histrica de Lima.
- Distribucin temporal de sismos en la zona central del pas.
- Determinacin y ubicacin de fallas activas.
- Estudios de las condiciones geolgicas y del suelo del campus.
- Seleccin de niveles probables de peligro ssmico.
- Estimacin del movimiento correspondiente a los niveles de peligro.
- Generacin de espectros de diseo y de seales de aceleracin
sintticas.
II) Vulnerabilidad y riesgo ssmico de los edificios del campus
a) Tipologas de edificaciones educativas.
- Revisin de las tipologas propuestas en el proyecto DAI Plan Nacional
de Proteccin Ssmica de la Infraestructura Educativa del Per (Muoz
2004).
- Seleccin de las tipologas estructurales correspondientes a los edificios
del campus.
b) Desarrollo del procedimiento para cuantificar la vulnerabilidad ssmica de
los edificios de la PUCP.
- Revisin y utilizacin de la metodologa de evaluacin visual rpida
desarrollada en el proyecto DAI Plan Nacional de Proteccin Ssmica
de la Infraestructura Educativa del Per (Muoz 2004).
c) Desarrollo del procedimiento para estimar las prdidas por sismo en los
edificios de la PUCP.
- Estudio de la metodologa probabilista de estimacin de prdidas por
sismo basada en curvas de fragilidad (HAZUS 1999).
- Estudio de la metodologa para generar curvas de fragilidad mediante
un mtodo analtico (Bonett 2003).
- Implementacin de la metodologa para generar curvas de fragilidad
analticas mediante un programa en Matlab.
- Generacin de curvas de fragilidad para las tipologas propuestas.

- Verificacin de las curvas de fragilidad analticas con las generadas a
partir de la opinin de expertos propuestas por Muoz (2004).
- Desarrollo de la metodologa para estimar las prdidas por sismo
utilizando las curvas de fragilidad obtenidas. Adaptacin de la
metodologa HAZUS (FEMA 1999).
d) Aplicacin de los procedimientos obtenidos a un edificio del campus
PUCP de San Miguel.
1.4.
Resultados esperados

vietas
En resumen, los resultados esperados son:

a) Aceleracin mxima del terreno, espectro de peligro uniforme asociado
y seales sintticas (acelerogramas) representativas para varios
escenarios de sismos.
b) Tipologas estructurales representativas de los edificios del campus.
c) Metodologa de evaluacin visual rpida adaptada de Muoz (2004).

vietas
d) Curvas de fragilidad para las tipologas representativas de los edificios

de la PUCP.
e) Metodologa de estimacin de prdidas basada en curvas de
fragilidad.
f) Estimacin del riesgo ssmico de un edificio del campus de la PUCP
mediante la metodologa propuesta.
1.5.
Avance realizado

vietas
Este primer informe detalla el avance realizado hasta el momento y que

comprende:
a) Determinacin de las aceleraciones mximas del terreno del campus
para varios escenarios de sismos.
b) Propuesta de la metodologa de evaluacin visual rpida desarrollada
por Muoz (2004).
c) Desarrollo de la metodologa analtica para generar curvas de
fragilidad.
El captulo 2 se ocupa del peligro ssmico del campus y el 3, de la
vulnerabilidad y riesgo ssmico de las edificaciones educativas.
En trminos globales, el avance actual representa aproximadamente un 50%
del trabajo total.
La alta ocurrencia de eventos ssmicos en nuestro pas evidencia la

necesidad de cuantificar los efectos de los sismos en nuestras estructuras.
Para cuantificar estos eventos ssmicos debe tenerse en cuenta la sismicidad
del lugar y tambin la respuesta de las estructuras a dicha sismicidad
El peligro ssmico se puede cuantificar mediante el valor mximo de algn
parmetro que representa el movimiento del terreno, por ejemplo, la
aceleracin mxima del terreno. Tambin es usual utilizar algn parmetro
correspondiente a la respuesta estructural como es la pseudo-aceleracin
(parmetro que permite calcular los desplazamientos mximos en una
estructura).
Para representar el peligro ssmico se pueden emplear dos enfoques, el
determinista y el probabilista. El enfoque determinista cuantifica el peligro
considerando el sismo ms destructivo que pueda ocurrir en el lugar de
anlisis. El enfoque probabilista expresa la aceleracin de diseo (parmetro
que representa el movimiento del terreno) para diferentes niveles de
probabilidad de excedencia.
El campus PUCP est ubicado en la ciudad de Lima que se encuentra cerca

al margen de la placa tectnica convergente activa entre las placas de Nazca
al oeste y Sudamericana al este. Sus coordenadas geogrficas son 1207
Latitud Sur y 7711 Longitud Oeste.
Figura 2.1. Ubicacin del campus PUCP

(Placas Tectnicas).
El proceso de subduccin de la placa

de Nazca presenta tres zonas importantes de actividad tectnica: la zona de

subduccin de interfase poco profunda, la zona de subduccin de intraplaca
profunda y la zona de corteza continental de la placa Sudamericana (figura
2.2).
FOSA
PERUANA-CHILENA
COSTA
AMAZONAS
PROFUNDIDAD, km
0
ZO
NA
50
DE
INT
E RF
A
PLACA SUDAMERICANA
(ZONA CORTICAL)
SE
PL A
CA
DE
NAZ
CA
100
ZO
NA
DE
IN T
RAP
LAC
8a
A
10
cm
/a
o
150
Figura 2.2. Seccin transversal del proceso tectnico en la zona de subduccin (Bariola
2001).
La sismicidad histrica en el Per ha sido registrada desde la conquista y

colonizacin de los espaoles. Los investigadores que realizaron los aportes
ms importantes a la historia ssmica peruana fueron Silgado (1968, 1978,
1985), Dorbath et al. (1990) y Alva et al. (1984).
Los terremotos histricos ms importantes que han ocurrido en Lima a lo
largo de la historia se muestran en la siguiente tabla.
Tabla 2.1. Terremotos Histricos en Lima (Silgado 1985).
Fecha del Terremoto
Hora
Intensidad
Magnitud
9 de julio de 1586
7:00 p.m.
2:38 p,m.
4:15 p.m.
11:30 a.m.
X-XI MM
8.1 Ms
6:00 p.m.
30 de marzo de 1828
7:35 a.m.
24 de mayo de 1940
11:35 a.m.
VII-VIII MM
7.9 Ms
4:14 p.m.
VIII MM
7.7 Ms
9:21 a.m.
VII MM
7.9 Ms

En los ltimos 30 aos la aplicacin de los conceptos de probabilidades en la
ingeniera ssmica ha permitido que las incertidumbres en la magnitud, la
ubicacin, la variacin del movimiento del suelo y en la respuesta estructural
puedan ser explcitamente consideradas en la evaluacin del peligro ssmico.
Un anlisis probabilista del peligro ssmico se desarrolla mediante la
representacin adecuada de la actividad ssmica de la zona en estudio y la
eleccin de alguna relacin entre la amplitud del movimiento del suelo o de la
respuesta estructural, alguna medida del sismo (magnitud o intensidad) y la
distancia entre el foco y la distancia de inters.
Para relacionar la amplitud del movimiento, el tamao del sismo y la distancia
se pueden emplear leyes de atenuacin. Las incertidumbres en la ocurrencia,
ubicacin y el nivel de respuesta ssmica esperada (movimiento del suelo o
respuesta estructural) son consideradas mediante funciones de densidad de
probabilidades.
Se ha estimado el peligro ssmico del campus, empleando la metodologa
propuesta por McGuire (1976) que se basa en el teorema de probabilidad
total. Este teorema se puede representar mediante la siguiente ecuacin:
(1)
P[A] representa la probabilidad de ocurrencia de un determinado evento A. S

y R son variables continuas e independientes que influyen en A. Por tanto, la
probabilidad de que el evento A ocurra puede calcularse integrando el
producto de la probabilidad de A para determinados valores de S y de R y las
probabilidades de ocurrencia de S y R.
Para la estimacin de la aceleracin mxima, P[A] representa la probabilidad
de excedencia del valor de la aceleracin mxima, A. El evento S representa
la ocurrencia de un sismo de magnitud S. El evento R representa la
ocurrencia del sismo de magnitud S a una distancia R del foco.
Para la evaluacin del riesgo ssmico se han elegido tres escenarios de
sismicidad representados por los niveles de peligro ssmico sugeridos por el
SEAOC (1999): Sismo Ocasional (50% de excedencia en 50 aos), Sismo
Raro (10% de excedencia en 50 aos) y Sismo Muy Raro (5% de excedencia
en 50 aos).
Estos niveles de sismicidad se pueden expresar tambin a travs del perodo
de retorno, mediante la siguiente expresin (Muoz 1999):
PMX [a > A] = 1 e
t
TR
(2)
Donde,
PMX [a>A], es la probabilidad de superar un valor aceleracin A.
t, es el tiempo de exposicin (generalmente la vida til de la edificacin).
TR, es el perodo de retorno.
El peligro ssmico en el campus se estim mediante el empleo del programa
EQRisk (McGuire, 1976). Se tomaron como datos de entrada las
coordenadas del campus, las fuentes sismognicas sugeridas por Castillo y
Alva (1993) y se emple la ley de atenuacin de Casaverde y Vargas (1980).
Adems, se establecieron valores de recurrencia (inversa del perodo de

retorno) para los cuales se estim la aceleracin pico asociada. Con estas
aceleraciones se gener la curva perodo de retorno versus aceleracin para
el campus PUCP mostrada en la figura 2.2.
3500
3000
2500
2000
1500
1000
500
0
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
Aceleracin (g)
Figura 2.2. Curva perodo de retorno vs. aceleracin asociada para las coordenadas del
campus de la PUCP.
Los valores de aceleracin pico para los tres niveles de sismicidad se

muestran en la tabla 2.2.
Tabla 2.2. Aceleracin pico asociada a los tres niveles de sismicidad seleccionados
Aceleracin
Pico (g)
Perodo de
Retorno (aos)
Sismo Ocasional
0,20
72
Sismo Raro
0,40
475
Sismo Muy Raro
0,50
975
10
Se puede comprobar que los resultados de la tabla anterior coinciden con las
aceleraciones estimadas por el programa MRIESGO (Monroy y Bolaos
2004), como se observa en el mapa de distribucin de aceleraciones
mostrado en la figura 2.3.
-78
-74
-76
-72
-70
-68
+1
4g
-80
-82
g
26
g
6g
28 g
.3 38g g
0. 30 g
0..324g 0 0.0. 40
0 .3
0
+1
COLOMBIA
ECUADOR
-2
-2
g
36
0.
-4
0.
-4
g
22
06
0.
08
0.
20
04
0.
0.
-6
g
18
0. 20g
0.
-6
0.
g
10
0.
g
14
0.
36
12
0.
-8
14
0.
g
18
0.
-12
g
12
0.
14
0.
g
0.10 g
g
16
0.
0.
16
0
0 .18 g
0 .20 g
0. .22 g
0. 24 g
2
g
0
6
0. .28g g
30
0.
g
32
g
0 0.1
0 .14 2g
0 .1 g
0 .1 6g
0. .20 8g
22 g
0g
0 .2
0. .264g
28 g
g
g
34
g
0.
36 g
0. .38 g
0 4 0 2g
0.0.4 44gg
44
00..
0.04 g
0.02 g
-16
0g
0.16 g
-14
-10
CO
FI
CI
PA
0.22 g
24
0.
0.28 g
-12
g
22
0.
NO
EA
OC
0.34 g
g
26
0. 8g
6g g
2 g
0.. 302g 0 .3.38 0g
0 .3 4g 0 .4
0
0 .3
0
0.40 g
-10
2
0.
0.45 g
-8
BRASIL
BOLIVIA -16
g
0 .30 2g
0.3

: 0.00 seg
: 50 aos
km
100
-82
200
-80
300
CHILE
400
-78
-18
0.
3
0 8
0. . 4 0 g
42 g
g
-20
36
0.
0.34
-18
-14
-76
-74
-72
-70
-20
-68
Figura 2.3. Distribucin de aceleraciones en el Per para un periodo de exposicin de 50

aos y 10% de probabilidad de excedencia (Monroy y Bolaos 2004).
11
Seales Sintticas
Parte del presente trabajo incluir la generacin de seales sintticas

compatibles con los espectros de diseo de la Norma Peruana. Estas
seales abarcarn un determinado rango de aceleraciones mximas y sern
generadas en forma aleatoria. Estas seales se usarn para estudiar la
vulnerabilidad de los edificios mediante curvas de fragilidad.
Resumen
El avance en cuanto al estudio de peligro ssmico del campus es de

aproximadamente 70%. Se han determinado las aceleraciones mximas para
varios escenarios de sismo y estn pendientes la determinacin de los
espectros de peligro uniforme y las seales sintticas para los escenarios de
sismo elegidos.
12

EDUCATIVAS
Como parte del presente trabajo se implementarn 2 metodologas. La

primera metodologa permitir una evaluacin de la vulnerabilidad ssmica de
edificaciones educativas de una manera visual y rpida y ya est siendo
desarrollada por Muoz (2004). La segunda metodologa permitir estimar el
riesgo ssmico, es decir, los costos de reposicin de las edificaciones
mediante el desarrollo de curvas de fragilidad. Esta ltima constituye la mayor
parte del trabajo realizado en este proyecto.
3.1. Evaluacin visual rpida de la vulnerabilidad ssmica (Muoz

2004)
Este procedimiento forma parte del estudio realizado por Muoz cuyo objetivo
es reforzar la infraestructura educativa peruana. Requiere de la ejecucin de
encuestas de opinin a expertos en estructuras y en evaluacin de daos
producidos por sismos.
La evaluacin visual de un edificio en particular, se lleva cabo mediante el
llenado de un formulario. El resultado es la obtencin de un puntaje
estructural P, el cual toma en cuenta la tipologa estructural del edificio y las
caractersticas individuales que pueden ser observadas desde su exterior. El
puntaje estructural P se relaciona con la probabilidad de que el edifico
presente un nivel dao que amenace la vida de los ocupantes ante la
ocurrencia de un sismo severo en la regin en estudio. Mediante el puntaje
P, se puede decidir qu edificios requieren una evaluacin ms detallada.
El procedimiento de evaluacin visual rpida podr ser aplicable en el Per
teniendo en cuenta las variaciones en los parmetros de entrada como son la
tipologa estructural, los puntajes estructurales bsicos y los puntajes
modificadores.
En la figura 3.1 se presenta la propuesta tentativa del formulario de
evaluacin.
La caracterizacin de las tipologas se realiza para poder agrupar un gran

nmero de edificios con caractersticas similares y obtener un nico modelo
representativo. De esta manera analizando el modelo representativo se
puede extrapolar los resultados para todo el grupo que representa.
Las tipologas de edificaciones educativas ms importantes son :
- Prticos de concreto armado rellenos con muros de albailera
- Placas de concreto armado rellenos con muros de albailera
13
- Mampostera de adobe
- Mampostera con bloques de concreto
A partir de las tipologas definidas, se calculan los puntajes bsicos y los
puntajes modificadores. Estos puntajes son obtenidos a partir de las
encuestas realizadas a los expertos.
DIRECCION:
FORMATODEEVALUACIONVISUALRAPIDADE
ZIP:
EDIFICACIONESPOTENCIALMENTESISMICASPERUANAS
OTRASCARACTERISTICAS
NoPISOS:
AOCONSTR.:
EVALUADOR:
FECHA:
AREATOTALDELAEDIFICACION.
NOMBREDELAEDIFICACION:
USO:
PUNTAJESESTRUCTURALESBASICOSYMODIFICADORES
USO
RESIDENCIAL
TIPOLOGIA
AD
AC
C1
C2
C3
M1
M2
PUNTAJEBASICO
ALTURA
COND.POBRE
IRREGULARIDADVERTICAL
EDIF.GOBIERNO
PISOBLANDO
SERV.EMERG
DENSIDADMUROS
EDIF.HISTOR.
IRREGULARIDADENPLANTA
PELIGRO
CHOQUE
NOESTRUCTURAL
COLUMNACORTA
NORMAACTUAL
SUELOBLANDO
SUELOINTERMEDIO
SUELODURO
COMERCIAL
NoPERSONAS
OFICINA
010
INDUSTRIAL
PUBLICO
11100
COLEGIO
100+
PUNTAJEFINALP
COMENTARIOS
REQUIEREEVALUACION
POSTERIOR?
SI
AD
NO
ADOBE
AC
ACERO
C1
PLACASDECONCRETOARMADO
C2
PORTICOSDECONCRETOARMADO
C3
PORTICOSRELLENOSCONMUROSDEALBAILERIA
M1
MAMPOSTERIASINREFORZAR
M2
MAMPOSTERIAREFORZADA
Figura 3.1. Propuesta tentativa del Formulario de Evaluacin Visual Rpida para las
tipologas de edificaciones educativas peruanas (Muoz 2004).
14
3.2.
Estimacin del riesgo ssmico mediante curvas de fragilidad
Las curvas de fragilidad son una herramienta probabilstica que constituyen la

base para la estimacin del riesgo ssmico. Los mtodos para generar estas
curvas son diversos y entre ellos destacan los mtodos experimentales, los
mtodos basados en opinin en expertos y los mtodos analticos.
Curvas de fragilidad y matrices de probabilidad de dao

vietas
Las curvas de fragilidad representan la probabilidad de que la respuesta de

una estructura exceda un determinado estado dao en funcin de un
parmetro que define la intensidad ssmica. Estas curvas sirven para estimar
el riesgo ssmico de grupos de edificios con tipologas estructurales similares
o para una estructura en particular como por ejemplo, una estructura
esencial. Las curvas de fragilidad son generadas analticamente mediante
anlisis numricos y utilizan la simulacin Montecarlo para considerar la
incertidumbre en los parmetros ssmicos y estructurales.
En la figura 3.2 se muestran las curvas de fragilidad obtenidas para un tipo de
estructura en particular. Se observa que para un desplazamiento espectral D
(parmetro que define la intensidad ssmica), la probabilidad de que esta
edificacin presente un dao completo (colapso) ser de 0,1/1,0 10%. De
igual manera 70 % para dao severo y 20 % para dao moderado.
Figura 3.2. Ejemplo de curvas de fragilidad (Muoz 2004).
Las matrices de probabilidad de dao son otra forma de relacionar (en forma
discreta) la intensidad ssmica con los estados de dao. Estas matrices
expresan la probabilidad de obtener un determinado nivel de dao para una
estructura sujeta a un sismo con un nivel de severidad determinado (Braga et
al 1986).
15
En la tabla 3.1 se muestra un ejemplo de matriz de probabilidad de dao para

otro tipo estructura. Se observa que para un sismo de intensidad IX en la
escala de Mercalli Modificada (MMI) se tiene una probabilidad de 3,0% de
alcanzar dao ligero, 68,1% para dao moderado y 28,9% para dao pesado.
Tabla 3.1. Matriz de probabilidad de dao propuesta por el ATC-13 para una tipologa (1985)
Estado de
Dao

Dao (%)
Dao (%)
Probabilidad de dao en porcentaje para c/IMM y

estado de dao
VI
1-Sin Dao
2-Mnimo
3-Ligero
4-Moderado
5-Pesado
6-Mayor
7-Destruccin
0
0-1
1 - 10
10 - 30
30 - 60
60 - 100
100
0,0
0,5
5,0
20,0
45,0
80,0
100,0
0,1
27,0
72,9
VII
2,2
89,3
8,5
VIII
IX
32,2
66,9
0,9
3,0
68,1
28,9
XI
XII
19,9
74,2
5,9
3,9
57,8
38,3
0,1
12,4
84,3
3,2
Los porcentajes de daos obtenidos son asociados posteriormente a

prdidas econmicas a fin de realizar estimaciones del costo de reposicin de
la edificacin.
Curvas de fragilidad analticas

vietas
El mtodo analtico para generar curvas de fragilidad se emplea en zonas

donde no se dispone de informacin de daos producidos por sismos, ni de
suficientes ensayos de laboratorio (Bonett 2003).
La metodologa propuesta toma como datos a modelos estructurales que
representan tipologas de edificaciones educativas y a las seales sintticas
(acelerogramas) que representan la accin ssmica. Los principales
parmetros ssmicos y estructurales se definen como variables aleatorias
para considerar las incertidumbres asociadas a cada uno de ellos. Se
generan muestras de estas variables mediante el mtodo de simulacin
Montecarlo. Se realiza el anlisis no-lineal de cada uno de los modelos
simulados para obtener la funcin de distribucin de la deriva de entrepiso
(parmetro utilizado para cuantificar el dao) y las correspondientes curvas
de fragilidad y matrices de probabilidad de dao. En la figura 3.3 se muestra
el algoritmo para generar curvas de fragilidad. A continuacin se explica cada
uno de los bloques.
16

Generacin de
estructurales

estados de dao

(Hipercubo Latino)

Matrices de
probabilidad de dao
Figura 3.3. Metodologa para la simulacin de las curvas de fragilidad (Adaptado de Bonett 2003)
Definicin de los estados de dao
El modelo de definicin del dao se usa para representar el dao. Los

estados de dao normalmente se clasifican como: sin dao, leve, moderado,
severo y colapso. Debido a que los elementos estructurales y no
estructurales son sensibles a los desplazamientos relativos de entrepiso, se
propone en este mtodo usar la deriva mxima de entrepiso mx como
Parmetro Indicador del Dao Estructural (PID).
Generacin de acelerogramas sintticos
Para representar la accin ssmica en el anlisis no lineal se utilizarn

seales sintticas. Las seales sintticas son acelerogramas que son
generados aleatoriamente a partir de las propiedades predominantes del sitio.
Las seales generadas sern compatibles con el espectro de peligro
uniforme desarrollado para el campus. Estas seales sintticas se generan
para un Parmetro Indicador de la Intensidad Ssmica (PIS). En este estudio,
el PIS ser la aceleracin mxima del terreno (PGA) debido a que el peligro
ssmico est definido en funcin de este parmetro en todo el territorio
peruano.
Generacin de parmetros estructurales
Los parmetros estructurales que afectan la capacidad de la estructura son

la resistencia a la compresin del concreto (fc), el esfuerzo de fluencia del
17
acero de refuerzo (fy), la razn de amortiguamiento estructural (), las

dimensiones fsicas de los elementos y la cantidad de acero. Por ahora solo
se cuenta con estudios estadsticos detallados de la resistencia de los
materiales, lo cual no descarta que se investigue posteriormente la influencia
de los dems parmetros.
En el caso del concreto se consideran las funciones de distribucin de
probabilidad para la resistencia ltima a la compresin fc, su deformacin
asociada c y su deformacin ltima cu. En cuanto al acero, se considera la
incertidumbre en tres parmetros: el esfuerzo de fluencia fy, el mdulo de
elasticidad Es y el mdulo de endurecimiento Esh. Estos parmetros se
definen como variables aleatorias con una distribucin estadstica normal
(Figura 3.4-a) y en algunos casos log-normal (Figura 3.4-b). Estas funciones
son tpicas para variables continuas.
(a)
(b)
Figura 3.4. Distribucin Normal (a) y Log-normal (b) tpicas.
Los parmetros estadsticos sern recopilados a partir de la informacin

proveniente de laboratorios de estructuras, de fbricas de concreto y acero y
del Reglamento Nacional de Construcciones. La tabla 3.2 recopila los valores
obtenidos para una tipologa en particular.
Tabla 3.2. Valores estimados para algunos parmetros estructurales.
Va ria ble
Distribucin
Me dia
De svia cin
Unida d
f'c
Normal
24
MPa
Normal
0,2
0,01
fy
Log-normal
470
40
MPa
Es
Normal
2.14x105
0.11x105
MPa
E sh
Normal
3400
340
MPa
18
Simulacin Montecarlo
La simulacin Montecarlo es un proceso estocstico, es decir, no

determinista. Ha sido ampliamente reconocido como el ms preciso para los
clculos que requieren el conocimiento de la funcin de distribucin de
probabilidad, fdp, de las respuestas de ciertos sistemas bajo ciertas
excitaciones (Bonett 2003). Por medio de algoritmos adecuados se genera
una conjunto de muestras de cada una de las variables que representan los
parmetros ssmicos y estructurales. Los valores para cada parmetro se
eligen aleatoriamente a partir de su histograma o funcin de distribucin de
probabilidad (figura 3.4).
Para obtener resultados confiables el mtodo requiere de un gran nmero de
ciclos de simulacin, usualmente 100. Sin embargo, para reducir el tamao
de la muestra se utiliza la tcnica del Hipercubo Latino (Florian 1992).
Anlisis dinmico no-lineal
La seleccin del modelo estructural involucra la representacin adecuada de

la masa, resistencia y rigidez del edificio as como los parmetros de
comportamiento inelstico. Debido a que los modelos tridimensionales
requieren de un alto esfuerzo computacional se optar por modelos 2D con
modificaciones que representen los efectos tridimensionales (torsin, piso
blando). Los modelos simulados son sometidos a las seales sintticas que
representan el movimiento ssmico. El anlisis de la respuesta de la
estructura a estos registros considera la degradacin de la rigidez y la
prdida de resistencia de los elementos del sistema estructural a travs del
tiempo.
Para llevar a cabo esta tarea se estn probando programas basados en
elementos finitos como el DRAIN-2DX, RUAUMOKO y SAP2000.
Funciones de distribucin de probabilidad de dao
A partir de los resultados obtenidos del proceso de simulacin Montecarlo, se

obtienen las curvas que representan las funciones de distribucin de
probabilidad del parmetro indicador del dao (PID) para cada nivel de
intensidad ssmica (PISj) tal como se muestra en la figura 3.5. Los puntos de
estas curvas representan la probabilidad, fdp, que el PID no exceda un cierto
valor para una determinada intensidad ssmica (PISj), esto es:
Las curvas son ajustadas mediante polinomios de tercer grado o la

distribucin lognormal.
19
Figura 3.5. Funciones de distribucin de probabilidad de no excedencia de una deriva de

entre piso. (Bonett 2003).
Utilizando las funciones de distribucin condicional del parmetro de

respuesta estructural fdp (figura 3.5) y los valores lmites que definen los
estados discretos de dao, se obtienen las curvas de fragilidad que
relacionan el parmetro indicador de la intensidad ssmica (PIS) con la
probabilidad de excedencia (FD) de un estado de dao determinado EDi, sto
es:
La figura 3.6 muestra el procedimiento de obtencin de una curva de

fragilidad para el caso del estado de dao severo. Por ejemplo, para un PGA
de 0,20 g, y mx = 0,90 % correspondiente al estado de dao severo, se tiene
una fdp de 0,48. La probabilidad de excedencia se obtiene como FD = 1- fdp
= 1- 0,48 = 0,52, que representa una probabilidad del 52 % de alcanzar o
exceder el nivel de dao severo para una aceleracin mxima del terreno del
20% de g (aceleracin de la gravedad). Los puntos as obtenidos se pueden
tambin ajustar a los polinomios normales propuestos por Hong y Lind (1996)
o una distribucin lognormal. Se aplica el mismo procedimiento para los
dems estados de dao para finalmente obtener las curvas de fragilidad tal
como las que se muestran en la figura 3.2.
20
Figura 3.6. Procedimiento para la obtencin de las curvas de fragilidad a partir de las fdp y
de los umbrales de los estados discretos de dao. a) Para el umbral de dao severo (max =
0.9%) se leen las fdps correspondientes a cada PGA. b) FDi se obtiene como 1 fdpi y se
ajusta la curva de probabilidad a los puntos obtenidos. (Bonett 2003).
Matrices de probabilidad de dao
Las matrices de probabilidad de dao se generan a partir de las funciones de

distribucin ajustadas para representar las curvas de fragilidad. Entonces las
probabilidades asociadas a cada uno de los estados de dao se calculan
usando la siguiente ecuacin:
De esta manera se obtienen las matrices de probabilidad de dao asociadas

a las curvas de fragilidad tal como la que se muestra en la tabla 2.
Implementacin de la metodologa de generacin de curvas de fragilidad
El proceso para generar las curvas de fragilidad se est sistematizando

mediante un programa en Matlab. Este programa tiene la intencin de ser de
propsito general, es decir, que pueda aplicarse al estudio de cualquier
tipologa estructural.
21
Curvas de fragilidad basadas en opinin de expertos (Muoz 2004)
Este trabajo tambin forma parte del estudio realizado por Muoz (2004). A
continuacin se describe en forma resumida el contenido de este trabajo.
El primer paso en esta metodologa es definir los estados de dao y la
variable que se utilizar para identificar el nivel de dao fsico de las
estructuras. La variable que define el nivel de dao fsico de las estructuras
es el Factor de Dao (FD) y se define con la siguiente relacin.
Los estados de dao y sus rangos de aplicacin que utiliza el reporte ATC-13
son los que se muestran en la tabla 4.
Tabla 3.3. Estados de dao propuestos por el ATC-13.
ESTADODEDAO
(ED)
NINGUNO
LIGERO
LEVE
MODERADO
SEVERO
MAYOR
DESTRUIDO
RANGO
FACTORDEDAO(%)
0
01
110
1030
3060
60100
100
FACTORDEDAO
CENTRAL(FDC)
0
0.5
5
20
45
80
100
A los expertos se les entrega una encuesta para que estimen el nivel de dao
fsico de una estructura ante cierto nivel de intensidad del movimiento
ssmico. En la metodologa desarrollada se identifica diversas tipologas
estructurales y por lo tanto se determina el nivel de daos de cada una de
ellas. El resultado final es la obtencin de matrices de probabilidad de daos
para cada tipologa estructural (ver ejemplo en tabla 3.1).
El procedimiento para obtener y procesar las opiniones de expertos se
modela mediante el mtodo Delphi. El mtodo consiste en la formulacin de
cuestionarios, obtencin de respuestas e iteracin de los resultados varias
veces (Muoz 2004).
En el presente proyecto se pretende verificar las curvas de fragilidad
analticas con las generadas a partir de la opinin de expertos.
22
A partir del desarrollo de las curvas de fragilidad, FEMA desarroll la

metodologa HAZUS
(FEMA 1999). Esta metodologa se basa
fundamentalmente en los conceptos de curva de capacidad, punto de
desempeo y curva de fragilidad. La ventaja de HAZUS es su posibilidad de
estimar el dao ante un evento ssmico no solo en edificios, sino tambin en
sistemas de transporte, sistemas de seguridad, etc. La principal desventaja
del mtodo es su complejidad. HAZUS es una herramienta completa y
poderosa que necesita muchos datos para ser implementada.
Las curvas de fragilidad obtenidas por el mtodo analtico y calibradas
mediante la opinin de expertos sern implementadas en la metodologa
HAZUS para estimar el riesgo ssmico (prdidas) de los edificios de la PUCP.
El resultado del estudio de riesgo involucra el clculo de costos de reposicin.
La metodologa empleada relaciona costos con estados de dao mediante
ndices que sern estudiados y adaptados a nuestro entorno. El enfoque
global de esta metodologa conceptos se ilustra en la figura 3.7.
Espectro de Respuesta
Sa
Espectro de Capacidad
Sd
Dao Acumulado
1.00
L
M
S
0.50
Curvas de Fragilidad
0.00
Sd
Costo de reposicin
100%
Estados de Dao:
N - Nulo
L - Leve
M - Moderado
S - Severo
C - Completo
50%
0%
Figura 3.7. Metodologa de estimacin de prdidas por sismo (Adaptado de HAZUS 1999).
23
Resumen
El avance en cuanto al desarrollo de las metodologas de evaluacin de

vulnerabilidad y riesgo ssmico es aproximadamente 50%. Estn pendientes
la determinacin de las tipologas estructurales representativas de los
edificios de la PUCP, la generacin de las curvas de fragilidad para las
tipologas propuestas, el desarrollo detallado de la metodologa de estimacin
de prdidas usando las curvas de fragilidad y el ejemplo de aplicacin a un
edificio de la PUCP.
24
Applied Technology Council (ATC). 1985. Earthquake Damage Evaluation
data for California. ATC-13. Redwood City, California.
Applied Technology Council (ATC). 2000. Rapid Visual Screening of
Buildings for Potential Seismic Hazards: A Handbook. ATC-21/FEMA 154.
Washington, USA.
Bonett, Ricardo. 2003. Vulnerabilidad y Riesgo Ssmico de Edificios.
Aplicacin a entornos urbanos en zonas de amenaza alta y moderada. Tesis
Doctoral, Universidad Politcnica de Catalua. Barcelona.
Braga F., Dolce M., Liberatore D. 1986. Assessment of the relationships
between macroseismic intensity, type of building and damage, based on
recent Italy earthquake data. Proceeding of the 8th European Conference on
Earthquake Engineering. Lisboa, Portugal.
Casaverde L. y Vargas J. 1980. Zonificacin Ssmica del Per, II Seminario
Latinoamericano de Ingeniera Sismorresistente, OEA y PUCP Lima, Per.
Castillo, J., Alva, J. 1993. Peligro Ssmico en el Per, VII Congreso Nacional
de Mecnica de Suelos e Ingeniera de Cimentaciones, Lima, Per.
Cornell, C. A., and Vanmarcke, E. H. 1969. The Major Influences on Seismic
Risk, Proceedings. Fourth World Conference on Earthquake Engineering,
Vol. I.
Cornell, C. A., and Benjamin, J. R. 1970. Probability, Statistics, and Decision
for Civil Engineers.
FEMA. 1999. Federal Emergency Management Agency. HAZUS 99 SR2:
Earthquake Loss Estimation Methodology. Technical Manual. USA
Florian, A. 1992. An efficient sampling scheme: Updated Latin Hypercube
Sampling. Probabilistic Engineering Mechanics, 7, 123130.
Hong, H. P. y Lind, N. C. 1996. Approximate reliability analysis using normal
polynomial and simulation results. Structural Safety, 18(4), 329339.
McGuire, R. 1976. EQRISK. Evaluation of Sites for Earthquake Risk, Open
File Report 79-97. USGS, EEUU.
Monroy M., Bolaos L. 2004. Espectros de peligro ssmico uniforme.
Programa MRIESGO. Tesis para optar el grado de Magster en Ingeniera
Civil. PUCP.
25
Muoz A. 1999. Ingeniera Sismorresistente. Departamento de Ingeniera.

Pontificia Universidad Catlica del Per.
Muoz A., Blondet M. 2004. Plan Nacional de Proteccin Ssmica de la
Infraestructura Educativa del Per. Proyecto de Investigacin auspiciado por
la DAI. Primer Informe. Pontificia Universidad Catlica del Per.
Silgado M., Giesecke A. 1981. Terremotos en el Per. Lima: Ediciones
Richkay Per.
Structural Engineers Association of California (SEAOC). 1999.
Recommended Lateral Forces Requirements and Commentary (the Blue
Book). California: SEAOC.
26
Universidad de Concepcin
Departamento de Ingeniera Civil
N A04-11
Asociacin Chilena de Sismologa e

Ingeniera Antissmica
ESTIMACION DE PRDIDAS SSMICAS EN EDIFICACIONES

EDUCATIVAS PERUANAS
Marcial Blondet1, Alejandro Muoz1, Jos Velsquez1 y Henry Len1
1.- Departamento de Ingeniera, Pontificia Universidad Catlica del Per

Av. Universitaria cuadra 18 s/n, San Miguel, Lima, Per.
E-mails: mblondet@pucp.edu.pe, amunoz@pucp.edu.pe, jvelasquez@pucp.edu.pe, leon.h@pucp.edu.pe
RESUMEN
En este artculo se presenta una metodologa probabilstica para estimar prdidas por sismo en edificios
educativos peruanos. Se generan curvas de fragilidad (vulnerabilidad) para 2 tipos de edificios
representativos de colegios y se estiman prdidas en escenarios de peligro ssmico definidos. Las curvas
de fragilidad se generan analticamente mediante simulacin considerando las incertidumbres en la
demanda ssmica y en los parmetros estructurales. La metodologa puede aplicarse masivamente a los
colegios antiguos para estimar el monto de prdidas ante un eventual sismo. sto permitir tambin
evaluar sistemas de refuerzo.
Palabras Clave: Fragilidad, Vulnerabilidad, Riesgo, Colegios, Simulacin, Prdidas.
METODOLOGA PARA GENERAR CURVAS DE FRAGILIDAD
Las curvas de fragilidad representan la probabilidad de que una estructura exceda un determinado estado
de dao en funcin de un parmetro que define la intensidad ssmica. Estas curvas sirven para estimar el
riesgo ssmico de grupos de edificios con caractersticas estructurales similares o de una estructura
esencial (puente, planta nuclear, aeropuerto, lneas vitales). Las curvas de fragilidad se pueden generar
mediante observaciones de campo, basndose en la opinin de expertos y utilizando mtodos analticos
Congreso Chileno de Sismologa e Ingeniera Antissmica

IX Jornadas, 16-19 de Noviembre de 2005, Concepcin - Chile
(Bonett 2003). Cuando no se dispone de suficiente informacin de campo, las curvas de fragilidad pueden
generarse analticamente mediante simulacin (Hwang y Huo 1994).
La figura 1.1 muestra un ejemplo de curvas de fragilidad para un tipo de estructura. La intensidad ssmica
se ha definido por la aceleracin pico del suelo. Se observa que para una aceleracin de 0,30g, la
probabilidad de que esta edificacin presente un dao completo ser de 37%. El 35 % de edificios de este
tipo sufriran dao severo, el 20 % dao moderado y solo el 8% dao leve, ante la misma intensidad
ssmica.
El procedimiento para generar curvas de fragilidad consiste en calcular la respuesta de un grupo

significativo de estructuras ante diferentes niveles de demanda ssmica. Del procesamiento estadstico del
nivel de dao encontrado se obtienen las curvas de fragilidad. Para generar la muestra se toman en cuenta
las variaciones en las propiedades estructurales, en la demanda ssmica y en los estados de dao
representado por un parmetro indicador del dao (PID). Usando luego procedimientos de anlisis
dinmico no-lineal, se calcula la respuesta y se construyen funciones de distribucin de probabilidad para
el dao alcanzado. Finalmente, en base a estas funciones de logra representar la vulnerabilidad mediante
curvas de fragilidad o matrices de probabilidad de dao (figura 1.2).

Generacin de
estructurales

estados de dao

(Hipercubo Latino)

Matrices de
probabilidad de dao
Fig. 1.2. Metodologa para generar analticamente curvas de fragilidad (adaptado de Bonett 2003)
1.1
Variabilidad considerada
El mtodo de Montecarlo es una tcnica de simulacin que permite estimar la respuesta de procesos
estocsticos. A partir de funciones de distribucin de probabilidad de las variables del proceso se pueden
estimar las respuestas (Bonett 2003, Erberik y Elnashai 2004). Para estudiar la vulnerabilidad de edificios,
se genera un conjunto de muestras de las variables que representan los parmetros ssmicos y
estructurales. Los valores para cada parmetro se eligen en forma aleatoria a partir de su distribucin de
probabilidad. Para obtener resultados confiables se requiere de un gran nmero de ejecuciones. Para
reducir el tamao de la muestra se utiliza la tcnica del Hipercubo Latino (Florian 1992). Esta tcnica
permite reducir la muestra a 100 modelos estructurales que representan razonablemente bien las
incertidumbres en las variables ssmicas y estructurales.
1.1.1
Parmetros ssmicos
Para representar la accin ssmica en el anlisis no-lineal se utilizan seales sintticas (acelerogramas
aleatorios). Se generan seales compatibles con el espectro de peligro uniforme del sitio. Estas seales
sintticas se generan para un Parmetro indicador de la Intensidad Ssmica (PIS). El PIS utilizado es la
aceleracin mxima del suelo (PGA) debido a que el peligro ssmico est definido en funcin de este

parmetro en todo el territorio peruano. En la figura 1.3 se observa un acelerograma generado para un sitio
con PGA de 0,4g compatible con el espectro elstico de diseo de la norma peruana.
Fig. 1.3. Acelerograma generado para un PGA de 0,4g compatible con el espectro de diseo peruano.
1.1.2
Los parmetros estructurales considerados fueron la resistencia a la compresin del concreto (fc) y el
esfuerzo de fluencia del acero de refuerzo (fy). De acuerdo a datos experimentales el fy se ajusta mejor a
una distribucin lognormal. Para el fy de 4200kg-f/cm2 se usa una media de 4800kg-f/cm2 y un coeficiente
de variacin del 6%. En el concreto, es tpico utilizar la distribucin normal y para un concreto con fc de
280 kg-f/cm2 se adopta una media de 320 kg-f/cm2 y un coeficiente de variacin del 15%.
1.1.3
Estados de Dao
Para estudiar el efecto de los sismos se utiliza el factor de dao que representa la relacin entre el costo de
reparacin y el costo de reposicin (reemplazo total) del edificio. Los valores mostrados en la tabla 1.1.
son los recomendados por Hwang y Lin (2002) y que han sido utilizados en esta metodologa. Por
ejemplo, a partir de esta tabla, podramos afirmar que para reparar una estructura que ha sufrido dao
moderado el costo de reparacin equivale al 20% del costo de reposicin.
Debido a que los elementos estructurales y no-estructurales son sensibles a los desplazamientos relativos
de entrepiso, en este estudio se usa la deriva mxima de entrepiso, mx, como PID. A partir de la curva de
capacidad de la estructura se definen los rangos de mx asociados con los estados de dao (SEAOC 1999).

1.2
EstadodeDao
FactordeDao
SinDao
Leve
Moderado
Severo
Completo
0%
5%
20%
65%
100%
Anlisis Dinmico No-lineal
El modelo estructural considera elementos unidimensionales con rtulas concentradas por flexin y
rtulas concentradas por corte, de tal manera que se toma en cuenta la degradacin de la rigidez y la
prdida de resistencia de los elementos del sistema estructural a travs del tiempo. Los modelos simulados
son sometidos a las seales sintticas que representan el movimiento ssmico. Para realizar el anlisis nolineal se utiliza el programa DRAIN-2DX (Prakah et al. 1993).
1.3
Funcin de distribucin de probabilidad del dao
A partir de los resultados obtenidos del proceso de simulacin, se obtienen las funciones de distribucin
de probabilidad del PID para cada nivel de intensidad ssmica (PIS). La figura 1.4. muestra un ejemplo
para los desplazamientos laterales mximos de un colegio tpico peruano. Estas curvas fueron ajustadas
mediante polinomios cbicos normales (Hong y Lind 1996).
Colegio
780 nuevo
Fig. 1.4. Funcin de distribucin de probabilidad acumulada (fdp) de los desplazamientos laterales mximos para
un modelo de colegio tpico peruano.

1.4
Curvas de fragilidad y Matrices de Probabilidad de Dao
Utilizando las funciones de distribucin condicional del parmetro de respuesta estructural (figura 1.4) y
los valores lmites que definen los estados discretos de dao, se obtienen las curvas de fragilidad que
relacionan el Parmetro indicador de la Intensidad Ssmica (PIS) con la probabilidad de excedencia (FD)
de un estado de dao EDi (Bonett 2003). sto es:
(1.1)
La figura 1.5 muestra el procedimiento de obtencin de una curva de fragilidad para el caso del estado de
dao severo. Por ejemplo, para un PGA de 0,20 g, y mx = 0,90 % correspondiente al estado de dao
severo, se tiene una fdp de 0,50. La probabilidad de excedencia se obtiene como FD=1-fdp = 1-0,50=0,50,
que representa una probabilidad del 50% de alcanzar o exceder el nivel de dao severo para una
aceleracin mxima del terreno de 0,20g. Los puntos as obtenidos se pueden tambin ajustar a los
polinomios normales propuestos por Hong y Lind (1996) o una distribucin lognormal. Se aplica el
mismo procedimiento para los dems estados de dao y se obtienen curvas como las mostradas en la
figura 1.1.
Figura 1.5. Procedimiento para la obtencin de las curvas de fragilidad (Bonett 2003).

VULNERABILIDAD SSMICA DE 2 EDIFICIOS EDUCATIVOS PERUANOS
El proceso para generar las curvas de fragilidad se ha sistematizado mediante un programa desarrollado en
MatLab (MathWorks 2002) denominado Fragilidad. Este programa tiene la intencin de ser de
propsito general, es decir, que pueda aplicarse al estudio de cualquier tipologa estructural. En el futuro
se pretende mejorar la interfase y habilitar ms opciones para que pueda aplicarse en la estimacin del
riesgo ssmico de los edificios de la Pontificia Universidad Catlica del Per.
El cdigo ha sido desarrollado de acuerdo al diagrama mostrado en la figura 1.2. Cada bloque representa
un mdulo del programa y puede documentarse, optimizarse y en general, mantenerse en forma
independiente. El programa Fragilidad requiere de un archivo de entrada de datos donde se debe
proporcionar informacin sobre el modelo estructural, parmetros ssmicos y estructurales, funciones de
distribucin de probabilidad, definicin de los estados de dao y parmetros del proceso de simulacin.
Figura 2.1. Archivo de entrada de datos para los programas DRAIN-2DX y Fragilidad.

Como aplicacin de esta metodologa se seleccion 2 colegios tpicos peruanos: un sistema aporticado
relativamente antiguo que ha tenido pobre desempeo ssmico, 780 antiguo, y un sistema de diseo ms
reciente cuyo excelente desempeo ha sido probado en el sismo de Arequipa del 2001, el 780 moderno.
La denominacin 780 se debe a que ambos colegios tiene aulas de 7,80m de largo. Las curvas de
fragilidad se muestran en la figura 2.2. Se puede observar claramente que el colegio 780 Moderno tiene
una mejora radical en su desempeo ssmico y por lo tanto baja probabilidad de daos severos para sismos
moderados. Esto se debe al aumento en la exigencia de rigidez lateral impuesta por la norma
sismorresistente de 1997 (SENCICO 1997).
ESTIMACIN DE PRDIDAS POR SISMO EN EDIFICIOS EDUCATIVOS PERUANOS
Las curvas de fragilidad de estos colegios permiten calcular directamente los costos de reparacin,
escogiendo adecuadamente escenarios de intensidad ssmica. Cabe mencionar que no se toma en cuenta el
dao producido en los elementos no-estructurales. El procedimiento consiste en determinar las
probabilidades para los diversos estados de dao y los factores de dao (FD), que permiten calcular un
Factor de Dao Medio, FDM (Hwang y Lin 2002). En la figura 3.1 se muestra la forma de obtener el

FDM para el colegio 780 antiguo y para una intensidad ssmica representada por un PGA de 0,4g. A
partir de esta tabla se puede afirmar que la estructura se daa, en promedio, un 43,75%.
Considerando un colegio tipo 780 antiguo de 450m2 de rea construida y cuyo costo de reposicin es de
aproximadamente US$250/m2, se estima un costo de reparacin de su estructura ante un sismo de 0,40g de
43,75% x 450m2 x US$250/m2 = US$ 49219. En la tabla 3.1 se muestran los costos de reparacin
estimados para ambos colegios tpicos y para 3 escenarios de intensidad ssmica.
Intensidad Ssmica
Sismo Ocasional
Sismo Raro
Sismo Muy Raro

pico (g)
780 antiguo
780 moderno
0,20
9,3
0,0
0,40
49,2
5,5
0,50
74,0
10,1
CONCLUSIONES
Este trabajo demuestra que las curvas de fragilidad permiten estimar razonablemente bien las prdidas por
sismo, ya que toman en cuenta las incertidumbres tanto en la demanda ssmica como en la respuesta de la
estructura. Debido a que se trata de una herramienta probabilstica, su aplicacin resultar ms efectiva si
se aplica masivamente a grupos de edificios de similares caractersticas estructurales.
Debido a que existe una cantidad importante de colegios diseados con la norma previa al ao 1997 (780
antiguo), esta metodologa puede aplicarse para evaluar el riesgo ssmico (costos de reparacin) de estas
edificaciones ante diversos escenarios de sismos. Tambin se pueden proponer algunos sistemas de
refuerzo y evaluar su desempeo mediante sus curvas de fragilidad.

La metodologa propuesta tiene muchas simplificaciones, pero puede mejorarse si se toman en cuenta
otras variables particulares del sitio (accin ssmica) y de la estructura. En un trabajo futuro la
metodologa podra refinarse para generar curvas de fragilidad ms consistentes. Las recomendaciones
son: incluir sismos reales en vez de seales sintticas, considerar la definicin de los estados de dao
como dependiente de los parmetros estructurales y utilizar como parmetro indicador de la intensidad
ssmica al pseudo-desplazamiento o la pseudo-aceleracin elstica de la estructura ya que son ms
representativos de la demanda ssmica.
REFERENCIAS
Bonett, Ricardo (2003). Vulnerabilidad y Riesgo Ssmico de Edificios. Aplicacin a entornos urbanos en
zonas de amenaza alta y moderada. Tesis Doctoral. Universidad Politcnica de Catalua. Barcelona.
Erberik, M., and Elnashai, A. (2004). Vulnerability Analysis of Flat Slab Structures. Proceedings of the
13th World Conference on Earthquake Engineering. Paper No. 3102. Vancouver, August, 2004.
Florian, A. (1992). An efficient sampling scheme: Updated Latin Hypercube Sampling. Probabilistic
Engineering Mechanics, 7, 123130.
Hong, H. P., and Lind, N. C. (1996). Approximate reliability analysis using normal polynomial and
simulation results. Structural Safety, 18(4), 329339.
Hwang, H. H. M., and Huo, J-R (1994). Generation of Hazard-Consistent Fragility Curves for Seismic
Loss Estimation Studies. Technical Report NCEER-94-0015.
Hwang, H., and Lin, Y.W. (2002). Seismic Loss Assessment of Memphis City School Buildings.
Proceedings of the Seventh U.S. National Conference on Earthquake Engineering (7NCEE).
MathWorks Inc. (2002). MATLAB. The Language of Technical Computing.
Prakah, V., Powel, G. H. y Campbell, S. (1993). DRAIN-2DX. University of California, Berkeley.
Structural Engineers Association of California. SEAOC (1999). Recommended Lateral Forces
Requirements and Commentary (the Blue Book). California.
SENCICO 1997. Norma Tcnica de Edificacin NTE-.030. Diseo Sismorresistente. Reglamento
Nacional de Construcciones. Comit Peruano Permanente de Diseo Sismorresistente. Ministerio de
Vivienda, Construccin y Saneamiento.
Universidad de Concepcin
Departamento de Ingeniera Civil
N A04-11
Asociacin Chilena de Sismologa e

Ingeniera Antissmica
ESTIMACION DE PRDIDAS SSMICAS EN EDIFICACIONES

EDUCATIVAS PERUANAS
Marcial Blondet1, Alejandro Muoz1, Jos Velsquez1 y Henry Len1
1.- Departamento de Ingeniera, Pontificia Universidad Catlica del Per

Av. Universitaria cuadra 18 s/n, San Miguel, Lima, Per.
E-mails: mblondet@pucp.edu.pe, amunoz@pucp.edu.pe, jvelasquez@pucp.edu.pe, leon.h@pucp.edu.pe
RESUMEN
En este artculo se presenta una metodologa probabilstica para estimar prdidas por sismo en edificios
educativos peruanos. Se generan curvas de fragilidad (vulnerabilidad) para 2 tipos de edificios
representativos de colegios y se estiman prdidas en escenarios de peligro ssmico definidos. Las curvas
de fragilidad se generan analticamente mediante simulacin considerando las incertidumbres en la
demanda ssmica y en los parmetros estructurales. La metodologa puede aplicarse masivamente a los
colegios antiguos para estimar el monto de prdidas ante un eventual sismo. sto permitir tambin
evaluar sistemas de refuerzo.
Palabras Clave: Fragilidad, Vulnerabilidad, Riesgo, Colegios, Simulacin, Prdidas.
METODOLOGA PARA GENERAR CURVAS DE FRAGILIDAD
Las curvas de fragilidad representan la probabilidad de que una estructura exceda un determinado estado
de dao en funcin de un parmetro que define la intensidad ssmica. Estas curvas sirven para estimar el
riesgo ssmico de grupos de edificios con caractersticas estructurales similares o de una estructura
esencial (puente, planta nuclear, aeropuerto, lneas vitales). Las curvas de fragilidad se pueden generar
mediante observaciones de campo, basndose en la opinin de expertos y utilizando mtodos analticos

(Bonett 2003). Cuando no se dispone de suficiente informacin de campo, las curvas de fragilidad pueden
generarse analticamente mediante simulacin (Hwang y Huo 1994).
La figura 1.1 muestra un ejemplo de curvas de fragilidad para un tipo de estructura. La intensidad ssmica
se ha definido por la aceleracin pico del suelo. Se observa que para una aceleracin de 0,30g, la
probabilidad de que esta edificacin presente un dao completo ser de 37%. El 35 % de edificios de este
tipo sufriran dao severo, el 20 % dao moderado y solo el 8% dao leve, ante la misma intensidad
ssmica.
El procedimiento para generar curvas de fragilidad consiste en calcular la respuesta de un grupo

significativo de estructuras ante diferentes niveles de demanda ssmica. Del procesamiento estadstico del
nivel de dao encontrado se obtienen las curvas de fragilidad. Para generar la muestra se toman en cuenta
las variaciones en las propiedades estructurales, en la demanda ssmica y en los estados de dao
representado por un parmetro indicador del dao (PID). Usando luego procedimientos de anlisis
dinmico no-lineal, se calcula la respuesta y se construyen funciones de distribucin de probabilidad para
el dao alcanzado. Finalmente, en base a estas funciones de logra representar la vulnerabilidad mediante
curvas de fragilidad o matrices de probabilidad de dao (figura 1.2).

Generacin de
estructurales

estados de dao

(Hipercubo Latino)

Matrices de
probabilidad de dao
Fig. 1.2. Metodologa para generar analticamente curvas de fragilidad (adaptado de Bonett 2003)
1.1
Variabilidad considerada
El mtodo de Montecarlo es una tcnica de simulacin que permite estimar la respuesta de procesos
estocsticos. A partir de funciones de distribucin de probabilidad de las variables del proceso se pueden
estimar las respuestas (Bonett 2003, Erberik y Elnashai 2004). Para estudiar la vulnerabilidad de edificios,
se genera un conjunto de muestras de las variables que representan los parmetros ssmicos y
estructurales. Los valores para cada parmetro se eligen en forma aleatoria a partir de su distribucin de
probabilidad. Para obtener resultados confiables se requiere de un gran nmero de ejecuciones. Para
reducir el tamao de la muestra se utiliza la tcnica del Hipercubo Latino (Florian 1992). Esta tcnica
permite reducir la muestra a 100 modelos estructurales que representan razonablemente bien las
incertidumbres en las variables ssmicas y estructurales.
1.1.1
Parmetros ssmicos
Para representar la accin ssmica en el anlisis no-lineal se utilizan seales sintticas (acelerogramas
aleatorios). Se generan seales compatibles con el espectro de peligro uniforme del sitio. Estas seales
sintticas se generan para un Parmetro indicador de la Intensidad Ssmica (PIS). El PIS utilizado es la
aceleracin mxima del suelo (PGA) debido a que el peligro ssmico est definido en funcin de este

parmetro en todo el territorio peruano. En la figura 1.3 se observa un acelerograma generado para un sitio
con PGA de 0,4g compatible con el espectro elstico de diseo de la norma peruana.
Fig. 1.3. Acelerograma generado para un PGA de 0,4g compatible con el espectro de diseo peruano.
1.1.2
Los parmetros estructurales considerados fueron la resistencia a la compresin del concreto (fc) y el
esfuerzo de fluencia del acero de refuerzo (fy). De acuerdo a datos experimentales el fy se ajusta mejor a
una distribucin lognormal. Para el fy de 4200kg-f/cm2 se usa una media de 4800kg-f/cm2 y un coeficiente
de variacin del 6%. En el concreto, es tpico utilizar la distribucin normal y para un concreto con fc de
280 kg-f/cm2 se adopta una media de 320 kg-f/cm2 y un coeficiente de variacin del 15%.
1.1.3
Estados de Dao
Para estudiar el efecto de los sismos se utiliza el factor de dao que representa la relacin entre el costo de
reparacin y el costo de reposicin (reemplazo total) del edificio. Los valores mostrados en la tabla 1.1.
son los recomendados por Hwang y Lin (2002) y que han sido utilizados en esta metodologa. Por
ejemplo, a partir de esta tabla, podramos afirmar que para reparar una estructura que ha sufrido dao
moderado el costo de reparacin equivale al 20% del costo de reposicin.
Debido a que los elementos estructurales y no-estructurales son sensibles a los desplazamientos relativos
de entrepiso, en este estudio se usa la deriva mxima de entrepiso, mx, como PID. A partir de la curva de
capacidad de la estructura se definen los rangos de mx asociados con los estados de dao (SEAOC 1999).

1.2
Estado de Dao
Factor de Dao
Sin Dao
Leve
Moderado
Severo
Completo
0%
5%
20%
65%
100%
Anlisis Dinmico No-lineal
El modelo estructural considera elementos unidimensionales con rtulas concentradas por flexin y
rtulas concentradas por corte, de tal manera que se toma en cuenta la degradacin de la rigidez y la
prdida de resistencia de los elementos del sistema estructural a travs del tiempo. Los modelos simulados
son sometidos a las seales sintticas que representan el movimiento ssmico. Para realizar el anlisis nolineal se utiliza el programa DRAIN-2DX (Prakah et al. 1993).
1.3
Funcin de distribucin de probabilidad del dao
A partir de los resultados obtenidos del proceso de simulacin, se obtienen las funciones de distribucin
de probabilidad del PID para cada nivel de intensidad ssmica (PIS). La figura 1.4. muestra un ejemplo
para los desplazamientos laterales mximos de un colegio tpico peruano. Estas curvas fueron ajustadas
mediante polinomios cbicos normales (Hong y Lind 1996).
Colegio
780 nuevo
Fig. 1.4. Funcin de distribucin de probabilidad acumulada (fdp) de los desplazamientos laterales mximos para
un modelo de colegio tpico peruano.

1.4
Curvas de fragilidad y Matrices de Probabilidad de Dao
Utilizando las funciones de distribucin condicional del parmetro de respuesta estructural (figura 1.4) y
los valores lmites que definen los estados discretos de dao, se obtienen las curvas de fragilidad que
relacionan el Parmetro indicador de la Intensidad Ssmica (PIS) con la probabilidad de excedencia (FD)
de un estado de dao EDi (Bonett 2003). sto es:
(1.1)
La figura 1.5 muestra el procedimiento de obtencin de una curva de fragilidad para el caso del estado de
dao severo. Por ejemplo, para un PGA de 0,20 g, y mx = 0,90 % correspondiente al estado de dao
severo, se tiene una fdp de 0,50. La probabilidad de excedencia se obtiene como FD=1-fdp = 1-0,50=0,50,
que representa una probabilidad del 50% de alcanzar o exceder el nivel de dao severo para una
aceleracin mxima del terreno de 0,20g. Los puntos as obtenidos se pueden tambin ajustar a los
polinomios normales propuestos por Hong y Lind (1996) o una distribucin lognormal. Se aplica el
mismo procedimiento para los dems estados de dao y se obtienen curvas como las mostradas en la
figura 1.1.
Figura 1.5. Procedimiento para la obtencin de las curvas de fragilidad (Bonett 2003).

VULNERABILIDAD SSMICA DE 2 EDIFICIOS EDUCATIVOS PERUANOS
El proceso para generar las curvas de fragilidad se ha sistematizado mediante un programa desarrollado en
MatLab (MathWorks 2002) denominado Fragilidad. Este programa tiene la intencin de ser de
propsito general, es decir, que pueda aplicarse al estudio de cualquier tipologa estructural. En el futuro
se pretende mejorar la interfase y habilitar ms opciones para que pueda aplicarse en la estimacin del
riesgo ssmico de los edificios de la Pontificia Universidad Catlica del Per.
El cdigo ha sido desarrollado de acuerdo al diagrama mostrado en la figura 1.2. Cada bloque representa
un mdulo del programa y puede documentarse, optimizarse y en general, mantenerse en forma
independiente. El programa Fragilidad requiere de un archivo de entrada de datos donde se debe
proporcionar informacin sobre el modelo estructural, parmetros ssmicos y estructurales, funciones de
distribucin de probabilidad, definicin de los estados de dao y parmetros del proceso de simulacin.
Figura 2.1. Archivo de entrada de datos para los programas DRAIN-2DX y Fragilidad.

Como aplicacin de esta metodologa se seleccion 2 colegios tpicos peruanos: un sistema aporticado
relativamente antiguo que ha tenido pobre desempeo ssmico, 780 antiguo, y un sistema de diseo ms
reciente cuyo excelente desempeo ha sido probado en el sismo de Arequipa del 2001, el 780 moderno.
La denominacin 780 se debe a que ambos colegios tiene aulas de 7,80m de largo. Las curvas de
fragilidad se muestran en la figura 2.2. Se puede observar claramente que el colegio 780 Moderno tiene
una mejora radical en su desempeo ssmico y por lo tanto baja probabilidad de daos severos para sismos
moderados. Esto se debe al aumento en la exigencia de rigidez lateral impuesta por la norma
sismorresistente de 1997 (SENCICO 1997).
ESTIMACIN DE PRDIDAS POR SISMO EN EDIFICIOS EDUCATIVOS PERUANOS
Las curvas de fragilidad de estos colegios permiten calcular directamente los costos de reparacin,
escogiendo adecuadamente escenarios de intensidad ssmica. Cabe mencionar que no se toma en cuenta el
dao producido en los elementos no-estructurales. El procedimiento consiste en determinar las
probabilidades para los diversos estados de dao y los factores de dao (FD), que permiten calcular un
Factor de Dao Medio, FDM (Hwang y Lin 2002). En la figura 3.1 se muestra la forma de obtener el

FDM para el colegio 780 antiguo y para una intensidad ssmica representada por un PGA de 0,4g. A
partir de esta tabla se puede afirmar que la estructura se daa, en promedio, un 43,75%.
Considerando un colegio tipo 780 antiguo de 450m2 de rea construida y cuyo costo de reposicin es de
aproximadamente US$250/m2, se estima un costo de reparacin de su estructura ante un sismo de 0,40g de
43,75% x 450m2 x US$250/m2 = US$ 49219. En la tabla 3.1 se muestran los costos de reparacin
estimados para ambos colegios tpicos y para 3 escenarios de intensidad ssmica.
Intensidad Ssmica
Sismo Ocasional
Sismo Raro
Sismo Muy Raro

pico (g)
780 antiguo
780 moderno
0,20
9,3
0,0
0,40
49,2
5,5
0,50
74,0
10,1
CONCLUSIONES
Este trabajo demuestra que las curvas de fragilidad permiten estimar razonablemente bien las prdidas por
sismo, ya que toman en cuenta las incertidumbres tanto en la demanda ssmica como en la respuesta de la
estructura. Debido a que se trata de una herramienta probabilstica, su aplicacin resultar ms efectiva si
se aplica masivamente a grupos de edificios de similares caractersticas estructurales.
Debido a que existe una cantidad importante de colegios diseados con la norma previa al ao 1997 (780
antiguo), esta metodologa puede aplicarse para evaluar el riesgo ssmico (costos de reparacin) de estas
edificaciones ante diversos escenarios de sismos. Tambin se pueden proponer algunos sistemas de
refuerzo y evaluar su desempeo mediante sus curvas de fragilidad.

La metodologa propuesta tiene muchas simplificaciones, pero puede mejorarse si se toman en cuenta
otras variables particulares del sitio (accin ssmica) y de la estructura. En un trabajo futuro la
metodologa podra refinarse para generar curvas de fragilidad ms consistentes. Las recomendaciones
son: incluir sismos reales en vez de seales sintticas, considerar la definicin de los estados de dao
como dependiente de los parmetros estructurales y utilizar como parmetro indicador de la intensidad
ssmica al pseudo-desplazamiento o la pseudo-aceleracin elstica de la estructura ya que son ms
representativos de la demanda ssmica.
REFERENCIAS
Bonett, Ricardo (2003). Vulnerabilidad y Riesgo Ssmico de Edificios. Aplicacin a entornos urbanos en
zonas de amenaza alta y moderada. Tesis Doctoral. Universidad Politcnica de Catalua. Barcelona.
Erberik, M., and Elnashai, A. (2004). Vulnerability Analysis of Flat Slab Structures. Proceedings of the
13th World Conference on Earthquake Engineering. Paper No. 3102. Vancouver, August, 2004.
Florian, A. (1992). An efficient sampling scheme: Updated Latin Hypercube Sampling. Probabilistic
Engineering Mechanics, 7, 123130.
Hong, H. P., and Lind, N. C. (1996). Approximate reliability analysis using normal polynomial and
simulation results. Structural Safety, 18(4), 329339.
Hwang, H. H. M., and Huo, J-R (1994). Generation of Hazard-Consistent Fragility Curves for Seismic
Loss Estimation Studies. Technical Report NCEER-94-0015.
Hwang, H., and Lin, Y.W. (2002). Seismic Loss Assessment of Memphis City School Buildings.
Proceedings of the Seventh U.S. National Conference on Earthquake Engineering (7NCEE).
MathWorks Inc. (2002). MATLAB. The Language of Technical Computing.
Prakah, V., Powel, G. H. y Campbell, S. (1993). DRAIN-2DX. University of California, Berkeley.
Structural Engineers Association of California. SEAOC (1999). Recommended Lateral Forces
Requirements and Commentary (the Blue Book). California.
SENCICO 1997. Norma Tcnica de Edificacin NTE-.030. Diseo Sismorresistente. Reglamento
Nacional de Construcciones. Comit Peruano Permanente de Diseo Sismorresistente. Ministerio de
Vivienda, Construccin y Saneamiento.

Velasquez Jose Perdidas Sismo Curvas PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Velasquez Jose Perdidas Sismo Curvas PDF

Transféré par

Droits d'auteur :

Formats disponibles

TESIS PUCP

Esta obra ha sido publicada bajo la licencia Creative Commons

La constante ocurrencia de sismos en nuestro territorio ha dejado enseanzas que

Los edificios peruanos, principalmente los de la costa peruana, son ssmicamente

Es posible elaborar una metodologa para la evaluacin de la vulnerabilidad ssmica

Las curvas de fragilidad constituyen un enfoque probabilstico para estimar de

El objetivo general de la tesis es contribuir a la reduccin del riesgo ssmico de las

Generar un procedimiento para determinar la vulnerabilidad ssmica de edificios

La vulnerabilidad ssmica es el nivel de dao que pueden sufrir las edificaciones

El peligro ssmico es la probabilidad de ocurrencia de movimientos ssmicos de cierta

Las curvas de fragilidad representan la probabilidad de que una estructura exceda un

anteriores o suficientes resultados de ensayos de laboratorio. El mtodo analtico utiliza

Los sismos pueden ser medidos en funcin de su magnitud y de su intensidad. La

Las curvas de fragilidad, denominadas tambin funciones de vulnerabilidad,

Lafigura2.3 muestraunejemplo de curvas de fragilidad paraun tipode estructura. La

Existen medidas que permiten describir la aleatoriedad inherente a tal poblacin de

La exactitud de este valor depende de cuan grande es N. De hecho, la definicin

Llamemos ahora X a los resultados del experimento. La Funcin de Distribucin

En Estadstica, la funcin de distribucin es generada mediante un ordenamiento de la

Diversos modelos de funcin de distribucin han sido desarrollados en la teora de la

ajustar el mejor modelo CDF a la informacin disponible, el mtodo Montecarlo usa

P[a < X b] = F (b) F (a) = f ( x)dx

Un primer anlisis de la incertidumbre en la respuesta de un sistema con propiedades

Existen 2 mtodos generales para generar variatas aleatorias que corresponden a

El mtodo formulado arriba es un mtodo mejor conocido como Muestreo Aleatorio

Se busc informacin sobre estudios de vulnerabilidad y riesgo ssmico en edificios. En

Tambin se recurri a la lectura de artculos tcnicos relacionados con la generacin de

Se desarroll el mtodo analtico para el clculo de curvas de fragilidad. Esta etapa

Adems se estudi el procedimiento para realizar el anlisis dinmico nolineal de las

Se implement un programa en Matlab (MathWorks 2002) para generar curvas de

En este captulo, se describen los conceptos relacionados con la evaluacin de la

El procedimiento de evaluacin visual rpida (PEVR) permite identificar rpida y

El mtodo genera un puntaje estructural P, el cual resulta de una serie de puntajes y

contemplan puntajes de riesgo bsicos para diferentes tipologas de edificaciones que

Las curvas de fragilidad, denominadas tambin funciones de vulnerabilidad,

Lafigura3.2 muestraunejemplo de curvas de fragilidad paraun tipo de estructura. La

Rango Factor Factor Central

Probabilidad de dao en porcentaje para c/IMM y

Se define n el nmero de sismos para los cuales se cuenta con informacin de

Se determina el nmero de estructuras Nk sometidas a un sismo i con una

El mismo procedimiento utilizado para generar las curvas de fragilidad a partir de

Ensayos de carga monotnicamente creciente mediante actuadores de carga o

realizados en una mesa vibradora utilizando cinco registros de aceleraciones de sismos

determinar integrando la funcin de distribucin elegida entre los lmites de los

Aguilar y Astorga (2006) desarrollaron un mtodo basado en opinin de expertos para

La metodologa para generar curvas de fragilidad mediante un mtodo analtico

El mtodo analtico para generar curvas de fragilidad se emplea en zonas donde no se

ElmtododeMontecarloes unatcnicadesimulacin quepermite estimarlarespuesta

El modelo estructural considera elementos unidimensionales con rtulas concentradas

Utilizando las funciones de distribucin condicional del parmetro de respuesta

En esta investigacin se ha implementado un algoritmo basado en los conceptos

Para cada parmetro ssmico PSj, con j = 1, 2, ., NS, generar NM muestras. Es

Se renen de manera aleatoria un conjunto de parmetros estructurales con un

d) Para cada estado de dao se construyen las curvas de fragilidad siguiendo el

El proceso para generar las curvas de fragilidad se ha implementado en un programa

Las ventanas y puertas se ubican en las fachadas longitudinales, la comunicacin se da

Los edificios educativos diseadosy construidos con la norma sismorresistente peruana

En un trabajo de investigacin desarrollado por Len y Quintana (2004) se evalu el

desempeo. La figura 4.11 muestra los resultados de la evaluacin del desempeo

P = Capacidad de Desplazamiento Inelstico

Los parmetros estructurales considerados como variables con incertidumbre son

El nico parmetro ssmico considerado en la generacin de las seales sintticas fue la

Pontificia Universidad Catlica