| KEYWORD |
Analisi mediante machine learning delle caratteristiche di forma degli idrogrammi di piena a supporto della progettazione e verifica delle casse di espansione fluviali
Riferimenti PIERLUIGI CLAPS, DANIELE GANORA
Riferimenti esterni GIULIA EVANGELISTA
Gruppi di ricerca IDROLOGIA
Tipo tesi NUMERICA E SPERIMENTALE
Descrizione Il lavoro si basa sull'applicazione di tecniche di Intelligenza Artificiale (più precisamente di Machine Learning) per la massimizzazione di un'informazione scarsamente disponibile, ovvero la forma tendenziale delle onde di piena provenienti da un dato bacino idrografico. La recente alluvione dell'Emilia Romagna (2023) ha infatti mostrato quanto sia critico studiare bene le onde di piena prima di progettare vasche di espansione, che possono rivelarsi insufficienti per durate di precipitazione molto rilevanti.
In un recente lavoro: https://doi.org/10.1080/02626667.2022.2153051 si è offerta, per la prima volta in Italia, una metodologia per stimare questa forma da caratteristiche geomorfologiche dei bacini. Per ampliare l'ambito di questa ricerca ed estenderla ad altri contesti italiani ed internazionali, si vorrebbe indagare le forme degli idrogrammi con sistemi non parametrici, tipo quelli utilizzati in questo lavoro: https://www.researchgate.net/publication/281455079_Monthly_Runoff_Regime_Regionalization_Through_Dissimilarity-Based_Methods
ma sperimentando strumenti tipici del Machine Learning, quali ad esempio il metodo del Random Forest.
Scopo finale del lavoro è indicare l'entità dell'informazione locale necessaria a prevedere le forme piu' probabili di onde di piena in uscita da un bacino idrografico per supportare efficacemente la progettazione di interventi di mitigazione.
Conoscenze richieste Elementi base di programmazione. Capacità di organizzare dati mediante sistemi di data analysis quali Matlab, R o simili
Scadenza validita proposta 15/08/2024
PROPONI LA TUA CANDIDATURA