Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
3
4
Sommario
5
discrepanze tra l’andamento simulato e quello misurato, ma queste si mantengono
entro livelli accettabili (dell’ordine del mezzo metro) per stime fino a 18 giorni (un
intervallo temporale piuttosto ampio, che garantisce la gestione di eventuali
situazioni di emergenza).
6
Abstract
Located erosion is one of the main causes of fluvial bridge damage. The dragging
action made by the turbulent flow surrounding the piers and bridge abutment
creates the erosional phenomenon: the current modifies its own trajectory,
becoming three-dimensional via vortex creation and local speed increase, to get
over an obstacle.
The risk liability can be detected during the flood events where the flow rates are
higher causing, as consequence, higher average speed values. Moreover, during
these events the current speed is usually enough to determinate significant carriage
all over the river section near by the bridge (live bed conditions). This elaborate
integrates a larger research about the erosive phenomenon at the piers bottom of
the fluvial bridges. A field study case of a bridge on Po river located near Borgoforte,
Mantova province (Lombardia), has been taken in exam.
The bed depth at the bottom of one of the piers has been continuously monitored
by depth finder for few years. The quote of free surface is measured via water gauge
instead.
In the first part of the study the bad depth data provided by depth finder have been
analyzed to detect typical pattern about matches between flood levels and bed
evolution.
In the second part, the obtained results from the previous analysis were used to
formulate a forecasting model allowing to predict the bed level nearby the pier using
recorded data and a flow rate prediction. The calculation algorithm reveals
encouraging results about the bed level prediction: there is a gap between the
simulated bed evolution and the real one but it stays within acceptable levels (in the
7
order of half a meter) for estimation until 18 days (a sufficient wide temporal
interval that ensures possible emergencies management).
8
Simbologia
t tempo [d]
z Quota [m slm]
9
10
Indice
Sommario ................................................................................................................... 5
Abstract ...................................................................................................................... 7
Simbologia.................................................................................................................. 9
2.1 Sonar.......................................................................................................... 31
2.2 Elaborati precedenti .................................................................................. 36
2.2.1 Codice 0 (2012) .................................................................................. 37
11
3.4.2 Andamento temporale del fondo con t0 mobile e passo di 6, 12, 18
giorni ……………………………………………………………………………………………………….84
Bibliografia ................................................................................................................ 97
12
Capitolo 1
1 Fenomeni di erosione
13
Il movimento delle particelle si verifica quando lo sforzo applicato supera la tensione
critica per la stasi. Il trasporto di fondo interessa quei sedimenti che sono mobilitati
permanendo a contatto del letto mediante un comportamento dinamico variabile,
specie per particelle appiattite.
Il materiale che dà origine al trasporto di fondo raramente presenta diametri
inferiori a 0,2 mm, poiché se così fosse esso verrebbe immediatamente assoggettato
al trascinamento in sospensione operato dalla corrente.
Lo studio del trasporto solido di fondo comprende l’analisi della condizione di inizio
moto delle particelle solide disposte sul fondo dell’alveo. Questa condizione di
“equilibrio limite”, denominata di moto incipiente, può essere condotta facendo
ricorso a equazioni in cui figura la tensione critica già precedentemente citata. La
rappresentazione del fenomeno del trasporto solido di fondo viene proposta da
Shields e le ipotesi fondanti la condizione di equilibrio limite sono:
Sulla base delle precedenti ipotesi, nel caso di fondo orizzontale e granulometria dei
sedimenti uniforme lo stato fisico di incipiente movimento è espresso dal seguente
legame funzionale:
𝜏𝑐 ℎ
= 𝑓 (𝑅𝑒 ∗ , ) (1)
(𝛾𝑠 −𝛾𝑤 )𝑑 𝑑
14
dove:
𝜏𝑐
= 𝑌𝑐 (2)
(𝛾𝑠 −𝛾𝑤 )𝑑
𝜏
rappresenta il valore critico del raggruppamento adimensionale = 𝑌, ed è
(𝛾𝑠 −𝛾𝑤 )𝑑
𝑢∗ 𝑑
𝑅𝑒 ∗ =
𝜐
dove:
𝜏
𝑢∗ = √
𝜌
𝜏𝑐
= 𝑓(𝑅𝑒 ∗ ) (3)
(𝛾𝑠 −𝛾𝑤 )𝑑
15
Fig. 1.1. Abaco di Shields
L’indagine di Shields, pur nella specificità nelle quali l’esperimento è stato condotto
(granulometria uniforme, fondo orizzontale), costituisce un riferimento
fondamentale per la valutazione del moto incipiente.
16
I punti della curva sono rappresentativi di condizioni di equilibrio limite, cioè di
situazioni in cui la tensione tangenziale della corrente 𝜏 misurata sul fondo è pari al
valore critico 𝜏𝑐 . I punti ubicati al di sopra della curva rappresentano situazioni di
immobilità.
17
- L’erosione generalizzata in corrispondenza dell’eventuale sezione ristretta
del ponte, causata dall’aumento locale della velocità della corrente
(contraction scour).
- L’erosione localizzata alla base delle pile e delle spalle del ponte, che si
verifica in seguito alle deviazioni del flusso idrico indotte dalla presenza delle
strutture: la corrente, per superare un ostacolo, modifica le sue traiettorie
divenendo tridimensionale, con la formazione di vortici e, anche in questo
caso, aumenti locali delle velocità (local scour).
L’escavazione che si sviluppa alla base delle pile dei ponti è una delle principali cause
di danneggiamenti o crolli di queste infrastrutture e pertanto si tratta di un
fenomeno che va necessariamente studiato e monitorato con attenzione.
I ponti maggiormente a rischio di erosione sono quelli di più antica costruzione, con
pile di dimensioni notevoli e luci molto ridotte, le quali producono forti gradi di
contrazione della corrente e conseguentemente possono esporre le fondazioni a
rischi di erosione a causa dell’aumento di velocità e della formazione di vortici
(Fig.1.2).
L’erosione localizzata è un fenomeno dovuto alle spalle e alle pile del ponte che
ostacolano il passaggio dell’acqua e di fatto ne modificano le traiettorie. Si tratta di
un fenomeno piuttosto complesso poiché giungendo la corrente, dapprima
considerata monodimensionale, in prossimità dell’ostacolo è costretta a variare la
sua traiettoria per sorpassarlo assumendo un carattere fortemente tridimensionale
e iniziando ad agire sulle particelle di fondo. Il contributo maggiore all’erosione
localizzata é dato dai vortici caratterizzati dalla tipica configurazione a “ferro di
cavallo” (horeshoe vortices) che si sviluppano alla base delle pile a seguito delle
correnti che giungono al fondo dell’alveo similmente a un getto verticale e tendono
a generare un solco alla base della pila.
18
Questo, sviluppandosi, dà luogo ad una fossa di erosione. La corrente verticale
infatti, avvicinandosi al fondo dell’alveo, si trova nuovamente costretta a cambiare
direzione di propagazione perché ogni ulteriore movimento verso il basso è
impedito.
Una corretta valutazione del trasporto solido permette di definire, sezione per
sezione, l’equilibrio dinamico in cui la quantità di materiale solido da asportare e
trascinato verso valle risulti all’incirca uguale a quella proveniente da monte.
Poiché all’aumentare della profondità dello scavo i vortici sopra citati tendono a
indebolirsi, è probabile che si raggiunga una profondità di equilibrio per la fossa
generantesi.
Un ulteriore contributo all’escavazione è poi fornito dai vortici di scia (wake
vortices), che si formano a valle della pila con uno sviluppo verticale pari al tirante
idrico. Essi infatti sono generati dalla separazione del flusso ai due lati della pila e
vengono portati verso valle dalla corrente.
Siccome questi vortici presentano un progressivo indebolimento a fronte del
relativo allontanamento dai manufatti è possibile che, a seguito dell’erosione in
prossimità di questi ultimi, si abbia un deposito di materiale immediatamente a valle
degli stessi.
19
Fig. 1.2. Campo di moto nell’intorno di una pila con sviluppo del fenomeno erosivo localizzato
20
finali di equilibrio. Tale procedura può però indurre significative sovrastime
dell’effettiva entità dei fenomeni erosivi, qualora i tempi caratteristici di sviluppo di
questi ultimi siano sensibilmente maggiori di quelli tipici degli eventi di piena più
ricorrenti.
21
1.4 Il caso Borgoforte
Il presente lavoro di tesi si inserisce in una ricerca più ampia riguardante il sistema
di monitoraggio del ponte di Borgoforte, in provincia di Mantova, a Sud-Est della
Lombardia [RFI, 2007].
Il ponte stradale in esame attraversa il fiume Po; è risalente agli anni ’60 ed è
caratterizzato da un’estensione pari a 630 m. La struttura è costituita da impalcati
sorretti da pile composte da una serie di pali allineati su due file.
Prima di spiegare il funzionamento del sistema di monitoraggio è necessario esporre
brevemente alcune considerazioni di natura idraulica che riguardano la zona di
Borgoforte e che potrebbero influenzare la vulnerabilità della struttura.
22
Il ponte è stato realizzato dove la sezione del Po subisce un naturale restringimento
che porta ad un conseguente aumento della velocità e ad un incremento del
trasporto di sedimenti che favorisce la general scour della sezione. La locazione del
manufatto, difatti, è a valle di una porzione territoriale denominata “Isola Cialdini”,
ben visibile nella figura sottostante.
23
Il ponte di Borgoforte ha subito inoltre degli interventi di manutenzione a seguito
dell’evento di piena dell’autunno 2000 (Q = 12000 m3/s con tempo di ritorno TR=100
anni).
È stata eseguita una batimetria del fondo del fiume (Fig.1.4.3) che ha permesso di
riscontrare la presenza di una buca di profondità 15 m intorno alla pila 32 e per
questo motivo si è ritenuto necessario un piano di messa in sicurezza terminatosi
con il rinforzo strutturale delle pile 31, 32 e 33 maggiormente esposte ai fenomeni
di erosione del fondo. I lavori vennero effettuati nel periodo 2005 - 2008 mediante
l’aggiunta di due pali per ogni fila della pila, realizzando un arco di collegamento per
la ripartizione degli sforzi. Un ulteriore studio sulla compatibilità idraulica del ponte
svolto nel 2008 mostra che tale rinforzo rende incondizionatamente stabile la
generica pila anche in condizioni di forte sollecitazione.
24
Fig. 1.4.4. Pila originale; pila rinforzata; lavori in corso
In condizioni di piena (canale isola Cialdini attivo, Fig.1.4.6) il massimo valore della
velocità dell’acqua è situato in direzione della pila n° 30 (Q = 10000 m3/s) perché
l’incidenza della corrente tende a diventare perpendicolare all’asse del ponte
stradale in seguito all’aumentare della portata.
25
Fig. 1.4.6. Direzione del flusso in condizioni di magra e piena (tratteggio)
26
La quota del fondo del fiume, anche se non rientra direttamente in nessuna di
queste forzanti, è il parametro fondamentale in quanto identifica la sezione di
incastro della pila con il terreno, ovverosia la sezione maggiormente sollecitata.
Esiste la possibilità, anche se remota, di situazioni idrodinamiche che portano al
raggiungimento di valori di tensioni dell’acciaio prossimi a quelli ammissibili anche
in caso di piena trentennale e senza intasamento (presenza di detriti a monte della
pila).
La possibilità che insorgano situazioni di crisi ha indotto l’Amministrazione
provinciale di Mantova ad installare un opportuno sistema di monitoraggio su tale
pila che permette la valutazione in tempo reale della sicurezza del ponte.
27
del ponte, in corrispondenza della pila 34. Un PXI (piattaforma programmabile per
sistemi di misura e automazione), prodotto dalla National Instruments, gestisce e
acquisisce i dati dalle varie stazioni, trasmettendoli alla stazione remota di
riferimento (Politecnico di Milano e/o Provincia di Mantova).
Tra gli strumenti troviamo:
- Anemometro: per la misura dell’intensità del vento;
- Idrometro: strumento standard per la misura della quota del livello idrico di
un corso d’acqua;
- Telecamere: posizionate nei pressi delle pile adiacenti alla n°30, oggetto del
monitoraggio, ed entrambe orientate per visualizzare, oltre ad una porzione
della pila stessa, la zona subito a monte in cui si può avere un accumulo di
detriti (tronchi, ramaglie, ecc…);
- Ecoscandaglio: utilizzato per identificare la quota del fondo del fiume.
Nel presente lavoro di tesi non viene esaminato l’intero sistema di monitoraggio ma
l’attenzione verrà posta sul solo ecoscandaglio, di cui si parlerà nel capitolo
successivo.
28
1.5 Obiettivi dell’elaborato
Scopo di questo lavoro di tesi è l’analisi dei dati relativi al fondo alveo, forniti
dall’ecoscandaglio, e la ricerca di un metodo di correlazione di questi ultimi con le
portate idriche transitanti nella medesima sezione fluviale.
In particolare nel Capitolo 2 si pone l’attenzione sull’ecoscandaglio, un Sonar
Altimeter PSA-916, evidenziando il suo principio di funzionamento e mostrandone i
dati in output; si illustra l’elaborazione di questi ultimi da parte dell’utente partendo
dal codice 0, proseguendo con gli elaborati di laurea dei tesisti precedenti che hanno
reso più robusta e corposa tale analisi, prescindendo da qualsiasi studio
fenomenologico; viene presentato un ulteriore raffinamento dell’analisi statistica
che ha portato alla scelta finale della tipologia di dato preso in esame per il lavoro
di ricerca successivo.
I risultati ottenuti dall’analisi precedentemente esposta sono utilizzati nel terzo
Capitolo per formulare un modello previsionale che consenta di pronosticare con
anticipo la quota del fondo in prossimità della pila, sulla base dei dati registrati fino
a un certo istante e di una previsione di portata. I dati stimati vengono, in seguito,
confrontati con i relativi osservati al fine di calcolarne l’errore computazionale
confacente a stime su diverse finestre temporali.
Infine, nel Capitolo 4 vengono riportate le conclusioni principali tratte dal presente
studio.
29
30
Capitolo 2
Nel capitolo corrente viene brevemente descritto il sonar utilizzato all’interno del
sistema di monitoraggio di Borgoforte per la misura della quota del fondo;
successivamente verranno esposti e commentati i lavori di tesi e ricerca sull’analisi
dei dati dello strumento svolti in precedenza a questo elaborato di laurea, che
implementa e conclude, l’analisi statistica.
2.1 Sonar
Il termine SONAR (SOund and Navigational Ranging) viene utilizzato per identificare
lo strumento che funziona grazie al principio dell’energia acustica riflessa dal
fondale marino o dall’acqua del mare (nel caso oggetto di studio il sonar è immerso
in acqua e la superficie riflettente è il fondale).
31
Fig. 2.1.1. Esempio di Sonar
32
essere riflettenti e che quindi altererebbero la veridicità della misurazione
(Fig. 2.1.2).
Le problematiche citate pocanzi non sono oggetto del presente elaborato di tesi ma
ulteriori informazioni si possono trovare in [RFI, 2007].
Studi di letteratura [NCHRP, 2009 e FHWA, 2009] mostrano che il sonar, strumento
che nasce per applicazioni in campo aperto, utilizzato vicino a strutture immerse in
acqua per la determinazione della quota del fondale, che per i fenomeni di erosioni
spiegati nel Capitolo 1 può cambiare rapidamente nel tempo, può non funzionare
correttamente in quanto il segnale può essere disturbato da: torbidità, bolle d’aria
e turbolenza. Per questi motivi è necessaria un’analisi dei dati per capire se il
generico numero restituito dal sonar sia veramente la distanza tra sé stesso e il
fondo.
33
L’ecoscandaglio utilizzato nella stazione di Borgoforte è un Sonar Altimeter PSA-916
prodotto dalla Teledyne Benthos [Teledyne, 2006]. Attraverso un algoritmo interno
(coperto da copyright e quindi non visionabile) basato presumibilmente sull’analisi
di potenza del segnale riflesso, lo strumento restituisce un valore che rappresenta
la media temporale delle onde riflesse a cui è ragionevole associare la distanza
minima tra lo stesso e la superficie oggetto di studio; la quota del fondo alveo si
ricava sottraendo tale distanza alla quota di posizionamento del sonar, pari a
12,33m slm (quota che garantisce la sua immersione in acqua per la maggior parte
dell’anno tranne nel periodo estivo dove, a seconda del regime idrico del Po, può
essere “in aria” e quindi soggetto a eventuale manutenzione).
L’algoritmo interno dello strumento fornisce in output la distanza in metri ogni
secondo; il programma di gestione del sistema di monitoraggio di Borgoforte
acquisisce un’ora di dati per poi creare un file (formato testo) in cui ad ogni valore è
associato il tempo di acquisizione.
Nella Fig. 2.1.3 vengono mostrate le tipologie di dati restituiti dal sonar che, a
prescindere dal file analizzato, presentano la medesima struttura concettuale: a
sinistra si trova il dato, espresso in metri, mentre a destra la codifica temporale
associata, espressa in secondi a partire dal 1° Gennaio 1904 (zero temporale del
software Labview).
34
La figura propone quattro porzioni di file diversi che riassumono le possibili criticità
dell’ecoscandaglio:
Esempio dato affidabile: nella prima colonna si mostra una sequenza di dati corretti
restituiti dallo strumento. Occorre innanzitutto chiarire bene il concetto di “dati
corretti”. A questo livello di analisi il dato è corretto se prima del valore numerico
c’è la presenza di una “R”. Questa lettera indica che lo strumento, dopo aver
effettuato il suo filtraggio, ha trovato un valore che soddisfa i criteri di validazione
interna (si ricorda che il software è chiuso e protetto da copyright), e quindi è
ritenuto affidabile.
Esempio dato incerto: un dato incerto è contrassegnato dalla lettera “R” all’inizio
del dato e dalla lettera “E” alla fine (Fig.2.1.3, riquadro blu, R4.11E). In questo caso
35
lo strumento identifica un valore di riferimento ma segnala possibili anomalie; è
probabile che non superi tutte le soglie interne e quindi lo strumento restituisce
comunque il valore dando all'utente un segnale (E) e quindi la discrezionalità di
tenerlo o no.
Esempio dato mancante: in questo caso si ha la completa assenza del valore. Questa
mancanza di informazione è legata allo strumento, al programma di gestione oppure
alla non perfetta sincronizzazione tra i due dispositivi (purtroppo sono solo ipotesi
in quanto non è stata effettuata un’analisi dettagliata di questo potenziale
problema).
Esempio fuori acqua: la dicitura R99.99E è una codifica dello strumento per avvisare
che è uscito dall’acqua e quindi non può funzionare.
Esempio dato errato: il dato errato è quel generico numero che non presenta la
lettera “R”. Se il problema fosse la non perfetta sincronizzazione tra sonar e
computer di acquisizione questo potrebbe generare la trasmissione parziale di una
stringa.
Ai fini dell’analisi statistica, i valori restituiti dallo strumento che vengono presi in
considerazione nei paragrafi successivi sono i dati affidabili “R” e quelli incerti “R+E”:
il file orario, utilizzando solo queste tipologie di dati, potrebbe non contenere tutti i
3600 dati al suo interno.
Per comprendere il lavoro svolto sull’analisi dati del sonar nel presente elaborato è
necessario presentare brevemente i lavori di tesi precedenti: “codice 0”, tesi di
primo livello di Castagna & Rizzuti, 2016 e tesi di primo livello di Maspero & Rivolta,
2017. Per questo motivo le immagini presentate nei paragrafi legati ai due lavori di
36
tesi, rispettivamente 2.2.2 e 2.2.3, sono esattamente le figure dei rispettivi
elaborati.
Il Codice 0 legge il generico file di testo e identifica i soli dati affidabili (R) e incerti
(R+E) che creano la nuova popolazione di dati su cui verrà effettuata l’analisi
statistica. Una analisi a campione dei dati ha mostrato come i dati R e R+E sia
allineati e presentino quindi un andamento simile, ciò spiega il motivo per cui sono
state analizzate entrambe le tipologie, come fossero una sola, Figura 2.2.1.
Fig. 2.2.1. Esempio plot file orario: andamento dati affidabili e incerti
Su questi dati si è calcolato il valore atteso e la varianza. Il primo per avere un solo
dato rappresentativo dell’intero pacchetto orario e la seconda per indicare la
variabilità statistica e quindi la dispersione dei dati sull’intero campione, ovverosia
per verificare che il valor medio possa essere considerato un buon indicatore della
37
popolazione di dati analizzati (varianza prossima allo zero significa media
rappresentativa).
La tabella 2.2.1 è uno schema riepilogativo che racchiude le analisi effettuate man
mano che verranno presentate: nel corso della trattazione essa verrà
progressivamente aggiornata, così che si possa avere un migliore quadro di sintesi
relativo ad ogni nuova procedura introdotta.
CODICE 0
Il lavoro svolto dai tesisti di primo livello Castagna & Rizzuti consiste in un’analisi più
approfondita sull’elaborazione dei dati. Il loro studio nasce dall’acquisizione di file
orari in cui oltre ad avere un alto valore di varianza il campione presenta due classi
di valori ben distinte, come mostra la Fig. 2.2.2. (in ascissa il tempo [s], in ordinata
la distanza fondo-sonar [m]).
38
Fig. 2.2.2 Rappresentazione grafica dati di un campione con elevata dispersione
39
L’obiettivo è quello di confrontare le due medie (R e R & R+E) al fine di valutarne lo
scostamento relativo: se i dati incerti non sono allineati con i dati affidabili le due
medie sono tanto diverse tanto è maggiore lo scostamento tra le due popolazioni.
Impostando una soglia di massimo scostamento su questa differenza è possibile
discriminare l’eventuale utilizzo dei dati R+E rispetto agli R, ovverosia eliminare i dati
R+E dal calcolo della media qualora essi influiscano negativamente.
Si è imposto un valore di soglia di primo tentativo pari a ± 20 cm: se le due medie
differiscono di un valore superiore alla soglia prefissata i dati incerti sono eliminati
dalla popolazione.
Nel grafico sottostante, in cui l’asse x rappresenta il tempo e l’asse y una scala
graduata in metri, viene mostrato l’andamento dell’intero mese di gennaio 2014 in
termini di differenza oraria tra media dei soli dati affidabili e media di entrambe le
famiglie. Si è inoltre disegnata la soglia fissata a +/- 20 cm.
Fig. 2.2.3. Differenza oraria tra media R e media R & R+E con soglia +/- 20 cm
In Fig. 2.2.3 si osserva come nella zona intorno alla centesima ora la differenza
aumenta andando così a superare la soglia; si può affermare che in quei determinati
punti l’utilizzo dei dati incerti fornisce un valore medio che differisce di oltre 20 cm
rispetto alla media dei soli dati corretti: è lecito considerare un campione formato
dai soli dati R, mentre nelle restanti zone vengono presi in considerazione anche i
dati incerti in quanto ritenuti attendibili.
40
Un ulteriore problema nasce quando anche i dati corretti hanno delle variazioni tali
da essere paragonati ai dati incerti; in questo caso la prima soglia è ininfluente in
quanto le medie presentano dei valori molto ravvicinati (differenza minore di
20 cm). Se ne mostra un esempio nella figura sottostante:
41
Per tutti i dati a disposizione è stata applicata la prima soglia e, indipendentemente
dal suo superamento, è stato applicato il ciclo iterativo.
In Fig. 2.2.5 viene mostrato graficamente cosa succede durante tale ciclo tra il giro
i-1 e i; nei grafici viene individuata la fascia di confidenza (in rosso) e il valore della
media (in azzurro).
R & (R+E)
VARIANZA R & (R+E)
R
RAFFINAZIONE NO SI
42
Conseguentemente si presenta un caso studio per meglio comprendere questa
nuovo metodo di raffinazione dei dati: gennaio 2014. Nel grafico in Fig. 2.2.6, in cui
lungo l’asse delle x si hanno le ore e lungo l’asse delle y le quote in m slm, viene
riportato con una linea azzurra il livello idrico del fiume e con una “linea blu” il
susseguirsi dei valori relativi alla quota del fondo calcolati con il dal codice 0,
ovverosia media oraria dei dati affidabili e incerti.
Questo mese è stato scelto in quanto presenta due erosioni al fondo in
concomitanza di due innalzamenti di livello (eventi di piena). A livello
fenomenologico le due buche di erosione sono plausibili in quanto avvengono
durante la fase crescente dell’onda di piena ove la corrente, avendo maggiore
velocità, può smobilitare più sedimenti attorno alla pila.
La presenza dei pallini rossi (la loro quota, asse y, non ha nessun significato)
identifica le ore nelle quali la differenza tra la media dei dati corretti e la media dei
43
corretti più incerti supera la soglia di 0,20 m Questo presupporrebbe una
“raffinazione” per la sola porzione ove c’è presenta di “pallini rossi” ma per
completezza è stata eseguita su tutto il mese; il risultato è in Figura 2.2.7.
Fig. 2.2.7. Confronto tra dato grezzo e nuovo fondo con metodo di raffinazione
Nel primo caso (rettangolo rosso) si può constatare che i cicli di elaborazione dei
dati portano ad una quota raffinata che cancella la presenza della buca di erosione,
a meno di un singolo punto (ora 112). Invece, il secondo scavo, individuato dal
rettangolo giallo, viene perfettamente riprodotto anche dal ciclo di raffinazione.
Emerge in questo caso il ruolo dei “pallini rossi”, che compaiono quando si verifica
il primo caso; infatti la quota raffinata in quei punti si disinteressa dello scavo
percependo che esso è in realtà generato da dati incerti.
Il lavoro dei tesisti si conclude affermando che tale metodo di raffinazione, anche se
potenzialmente utile, non riesce in tutti i casi a riempire le buche di erosione
(esempio in Fig. 2.2.7). Questo potrebbe essere superato da un’analisi di sensitività
sulle due soglie introdotte in questo studio, sviluppo futuro proposto da Castagna e
Rizzuti.
44
2.2.3 Tesi di Maspero & Rivolta
(2017)
Il lavoro di Maspero & Rivolta parte da una verifica del lavoro precedente, in modo
da validare il codice di calcolo: si è riscontrato qualche errore nel codice che
comunque non incide sul risultato file, Fig. 2.2.8.
Fig. 2.2.8. Andamento del fondo nel mese di gennaio 2014: media R, media R&R+E, media raffinata
Il punto di partenza è quindi il file all’ora 112 del mese di gennaio 2014, chiamato
file 112 in seguito. Prima di effettuare un’analisi di sensitività sul metodo di
raffinazione si è voluto indagare meglio questo file orario.
Si vuole precisare che sia il lavoro precedente che quest’ultimo è stato realizzato
disinteressandosi volutamente dai fenomeni fisici di natura idraulica in quanto
puramente costituito da una valutazione statistica sulla veridicità dei dati forniti
dallo strumento. Questa scelta appare vincente alla luce del risultato della tesi
precedente, l’eliminazione di una buca che a potrebbe anche essere accettata
qualora si analizzasse il tutto con il livello del Po.
45
Fig. 2.2.9. Analisi dettagliata del file 112
Il file 112, Fig. 2.2.9, presenta una distribuzione di dati affidabili assestantesi su due
valori che differiscono tra loro di una quantità non indifferente (circa 6 m).
La media raffinata, linea blu di Fig. 2.2.9, risulta pari a un valore di circa 2,3 m. Tale
grandezza è influenzata dai dati distribuiti nell’intorno dei 7 m, i quali sono
considerati dal sonar affidabili. Dato che nelle ore precedenti e successive il valor
medio si assesta a circa 1 m, i dati che riportano un valore di circa 7 m sono
probabilmente sbagliati. Il problema è che i file nell’intorno del 112 hanno una
distribuzione molto simile, valori vicino a 1 e 7 metri, quindi un motivo per cui il
metodo di raffinazione non funziona con questo particolare file potrebbe essere la
quantità di dati presenti nei due gruppi. Se le due “fazioni” hanno un peso (numero
di valori al solo interno) simile entrambe ricadono dentro la fascia di confidenza del
95% e quindi il processo di raffinazione risulta inutile. Si è quindi deciso di
abbandonare l’analisi di sensitività proposta da Castagna & Rizzuti e si è cercato un
approccio alternativo che eliminasse questa tipologia di problema.
46
Come prima analisi sono state costruite delle curve di densità di probabilità PDF a
due gradi di libertà, quali il passo (che determina la discretizzazione del campione)
e il punto di partenza (che determina lo spostamento orizzontale).
Nella figura sottostante viene mostrata la PDF dei soli dati buoni del File 112 con
classi di ampiezza di 0,1 m (discretizzazione di primo tentativo).
Fig. 2.2.10. PDF dati R, file 112, con classe di ampiezza 0,1 m
In Fig. 2.2.9 sembrerebbe che la numerosità dei dati nell’intorno dei 7 m sia molto
simile a quella dell’intorno di 1 m, in realtà si osserva dalla Fig. 2.2.10 che l’area
sottesa al primo picco è molto più grande rispetto a quella sottesa al secondo picco.
Questo significa che è molto più probabile che una misurazione ricada nell’intorno
di 1 m rispetto ai 7 m. La linea blu verticale rappresenta la media raffinata che ricade
in un intorno in cui la probabilità è praticamente nulla.
Il medesimo procedimento è stato effettuato sui dati “buoni + incerti” e il risultato
viene mostrato nella figura seguente:
47
Fig. 2.2.11. PDF dati R&R+E, file 112, con classe di ampiezza 0,1 m
Come nella situazione precedente, la PDF relativa ai dati R & R+E evidenzia la
presenza dei due picchi nell’intorno di 1 m e 7 m, con la differenza che viene a
formarsi anche una terza classe contigua alla prima (intorno di 1 m).
Il metodo di stima scelto per la ricostruzione della quota del fondo riguarda il calcolo
della moda, che rappresenta il valore più frequente all’interno del campione,
eliminando quindi il picco in prossimità dei 7 m dall’analisi poiché statisticamente
irrilevante. Resta comunque il problema relativo ai due picchi contigui.
L’utilizzo della moda, anziché la media, è quindi più coerente in quanto il valore
stesso della moda (linea rossa) ricade in un intervallo di probabilità alta a differenza
della media raffinata (linea blu). I risultati sono visibili in Fig. 2.2.12.
Fig. 2.2.12. PDF dati R, file 112, ampiezza classe 0,1 m, con l’aggiunta di moda (rosso) e media (blu)
48
Nei grafici successivi si mostreranno i risultati dell’analisi Maspero & Rivolta aventi
le seguenti caratteristiche: ampiezza della classe 0,1 m (primo tentativo); il valore
della moda è definito come valor medio della classe più popolata (denominato
moda2 nei grafici a seguire), campione dei dati composto da affidabili e incerti
(moda2_T) e solo affidabili (moda2_B).
In Fig. 2.2.13 si mostra il mese di gennaio 2014 stimato con 5 metodi differenti:
media oraria dei dati affidabili (media R), media oraria di tutti i dati (media R & R+E),
media oraria raffinata (Castagna & Rizzuti), moda dei soli dati buoni (moda2_B) e
moda di tutti i dati, buoni e incerti (moda2_T).
Per tutto il mese i 5 metodi forniscono lo stesso andamento con valori leggermente
diversi nell’intervallo temporale 450-500 mentre le principali differenza, viste anche
in precedenza, sono tra 100 e 130, come si vede in Fig. 2.2.14
49
Fig. 2.2.14. Prima buca Gennaio 2014
La buca con il nuovo metodo viene “coperta” interamente, ovverosia non è più
presente una discontinuità sul punto di ascissa 112, Fig.2.2.14).
50
Il lavoro di Maspero & Rivolta si chiude fornendo qualche spunto per una successiva
analisi che si focalizza in una analisi di sensitività sull’ampiezza della classe diversa
da 0,1 m e una valutazione sulla questione dell’utilizzo dei dati incerti.
Si riporta la tabella riepilogativa con l’aggiunta del metodo esaminato dai tesisti
Maspero & Rivolta:
RAFFINAZIONE NO SI SI
MODA _1
PDF NO NO
MODA _2
51
2.3 Codice GS
52
Progressione [ore]
7350 7360 7370 7380 7390 7400
0,5
1 moda_MC_T_1
Distanza fondo-sonar [m]
moda_3C_T_1
1,5
2,5
3,5
Progressione [ore]
7350 7360 7370 7380 7390 7400
1
moda_MC_T_0,5
1,5
Distanza fondo-sonar [m]
moda_3C_T_0,5
2
2,5
3,5
Fig. 2.3.2. Confronto moda_MC, moda_3C, dati R& R+E, ampiezza 0,5 m
53
Progressione [ore]
7350 7355 7360 7365 7370 7375 7380 7385 7390 7395 7400
2
2,2
Distanza fondo-sonar [m]
2,4
2,6
2,8
3
3,2
3,4
moda_MC_T_0,1
3,6
3,8 moda_3C_T_0,1
Fig. 2.3.3. Confronto moda_MC, moda_3C, dati R& R+E, ampiezza 0,1 m
Progressione [ore]
7350 7355 7360 7365 7370 7375 7380 7385 7390 7395 7400
2
2,2
Distanza fondo-sonar [m]
2,4
2,6
2,8
3
3,2
3,4 moda_3C_T_0,01
3,6 moda_MC_T_0,01
3,8
4
Fig. 2.3.4. Confronto moda_MC, moda_3C, dati R& R+E, ampiezza 0,01 m
54
Dai grafici sopra riportati è possibile osservare come la moda_MC e la moda_3C dei
dati affidabili + incerti all’aumentare dell’ampiezza tendano a convergere in quanto,
ragionevolmente, classi contigue con ampiezze piccole si accorpano in una classe
sola. Ciò sta a significare che lo studio effettuato dai tesisti Maspero & Rivolta può
ritenersi affidabile a condizione che le classi utilizzate per la costruzione delle curve
di densità non presentino consecutivamente la stessa numerosità. In tal caso, la
moda_3C dovrebbe garantire una maggiore veridicità supposto che tutte le classi
siano formate da dati “corretti”.
Un’ulteriore analisi è stata effettuata sull’utilizzo dei dati R & R+E o dei soli valori
affidabili R. L’idea è quella di capire quanto sia utile ai fini dell’indagine utilizzare una
o entrambe le famiglie. Per questo motivo sono stati paragonati i dati “buoni” R e
“tutti i dati” R & R+E.
Progressione [ore]
7350 7360 7370 7380 7390 7400
1,5
1,7 moda_3C_B_1
Distanza fondo-sonar [m]
1,9 moda_3C_T_1
2,1
2,3
2,5
2,7
2,9
3,1
3,3
3,5
55
Progressione [ore]
7350 7355 7360 7365 7370 7375 7380 7385 7390 7395 7400
1
moda_3C_B_0,5
Distanza fondo-sonar [m]
1,5 moda_3C_T_0,5
2,5
3,5
Fig. 2.3.6. Confronto moda_3C, dati R& R+E e dati R, ampiezza 0,5 m
Progressione [ore]
7350 7355 7360 7365 7370 7375 7380 7385 7390 7395 7400
1,5
1,7 moda_3C_B_0,1
Distanza fondo-sonr [m]
1,9
moda_3C_T_0,1
2,1
2,3
2,5
2,7
2,9
3,1
3,3
3,5
Fig. 2.3.7. Confronto moda_3C, dati R& R+E e dati R, ampiezza 0,1 m
56
Progressione [ore]
7350 7355 7360 7365 7370 7375 7380 7385 7390 7395 7400
1,5
moda_3C_B_0,01
Distanza fondo-sonar [m]
2 moda_3C_T_0,01
2,5
3,5
Fig. 2.3.8. Confronto moda_3C, dati R& R+E e dati R, ampiezza 0,01 m
Confrontando i dati buoni e quelli incerti fissata la moda considerata (moda_3C) per
tutte le ampiezze oggetto di studio, si può notare come entrambe le famiglie
seguano un andamento pressoché simile, anche se, come è possibile osservare dalle
figure precedenti, all’aumentare dell’ampiezza il tutto tende comunque ad
uniformarsi, come è lecito aspettarsi.
Sembra che i dati incerti con il metodo della moda infulenzino meno la
determinazione del fondo del fiume ma si è deciso comunque di avere una
popolazione di dati di partenza che sia il più affidabile possibile: quindi i soli R che
per lo srtumento sono corretti, il tutto senza una stocasticamente significativa
perdita di informazioni. Ovviamente, previa accettazione dei soli dati affidabili,
sarebbe opportuno definire una soglia di valori (% su 3600 totali) per capire il peso
che questi ultimi hanno rispetto a quelli potenziali.
57
Per quanto riguarda la scelta dell’ampiezza della classe da impiegare sono stati
confrontati i dati R in termini di moda_3C per le diverse ampiezze in questione:
Progressione [ore]
7300 7310 7320 7330 7340 7350 7360 7370 7380 7390 7400
1,5
1,7
Distanza fondo-sonar [m]
1,9
2,1
2,3
2,5
2,7 Moda 1
2,9 Moda 0,5
3,1 Moda 0,1
3,3 Moda 0,01
3,5
Fig. 2.3.9. Confronto moda_3C, dati R, ampiezza 1m, 0.5m, 0,1m, 0,01 m
Dalle analisi svolte in precedenza (scelta del tipo di moda e ampiezza della classe) si
evince come l’utilizzo di ampiezze pari a 1 m o 0,5 m restituirebbero classi talmente
grandi da vanificare qualsivoglia tentativo di indagine statistica.
Considerando il fenomeno fisico in esame è immediatamente percepibile come le
variazioni altimetriche del fondo alveo possano presentare ordini di grandezza pari
a 10-1/100 m in lassi temporali relativamente ridotti, come ad esempio intervalli
orari. Partendo da questa constatazione sarebbe lecito discriminare i dati di quota
mediante l’utilizzo di classi con ampiezza metrica, tuttavia ispezionando il campione
di dati a disposizione e la relativa regolarità è possibile utilizzare, al fine di avere una
maggiore risoluzione, ampiezze pari a 10 cm.
58
impiegato l’utilizzo della moda_3C, relativa ai soli dati affidabili R, calcolata con
un’ampiezza delle classi pari a 10 cm.
Si riporta di seguito il grafico relativo alla quota del fondo per l’intero anno 2014:
12
11,5
11
Quota fondo [mslm]
10,5
10
9,5
9
8,5
8
7,5
7
0 1000 2000 3000 4000 5000 6000 7000 8000 9000
Progressione [ore]
Fig. 2.3.10. Andamento della quota del fondo per l’anno 2014, con moda_3C_B_0,1
59
2.3.1 Conclusioni Analisi GS
Con quest’ultima analisi si è chiuso il lavoro di indagine statistica dei dati che viene
riassunto nella seguente tabella riepilogativa:
CODICE CODICE
CODICE 0 CASTAGNA & MASPERO & CODICE GS
RIZZUTI RIVOLTA
R & (R+E) (1) R & (R+E) (1) R & (R+E) (1)
RAFFINAZIONE NO SI SI SI
MODA _1 MODA _1
PDF NO NO MODA _2
MODA _2
MODA_3C
Alla luce delle indagini svolte nel paragrafo 2.3 è possibile concludere affermando la
scelta dell’utilizzo dei soli dati R e un’ampiezza di 10 cm: moda_3C_B_0,1.
Lo scopo fondamentale di questa analisi preliminare è quello di porre fine agli studi
statistici effettuati sulla veridicità della quota del fondo alveo riscontrata
dall’ecoscandaglio, rendendola più solida e robusta. I risultati riscontrati saranno
presi come punto di partenza per la realizzazione di un’analisi fenomenologica
60
relativa alla sezione fluviale in esame: la ricerca di una correlazione fisicamente
basata tra le caratteristiche idrometriche e le variazioni altimetriche del fondo.
Le analisi effettuate in questo studio sono state estese agli anni 2013 – 2015 e, per
i motivi sopra citati, si riporta la quota del livello idrico, oltre a quella del letto. In
ascissa si fa riferimento ai giorni decimali: tale unità di misura prevede come
porzione giornaliera non una suddivisione su base oraria ma una frazione decimale
del giorno stesso.
25,5
23,5 Quota fondo
21,5
Quota idrometrica
Quota [m slm]
19,5
17,5
15,5
13,5
11,5
9,5
7,5
100 300 500 700 900 1100
Giorni decimali
Fig. 2.3.11. Andamento quota fondo e quota idrometrica per anni 2013, 2014, 2015
61
62
Capitolo 3
3 Formulazione di un
modello predittivo
dello scavo localizzato
63
3.1 Presentazione dei dati e
scelta della scala di
osservazione
I dati di partenza per l’elaborazione del modello predittivo sono quelli relativi al
fondo alveo e all’altezza idrica per gli anni 2013, 2014 e 2015 che sono stati ricavati
in conclusione al Capitolo 2.
Poiché nello studio del trasporto solido di fondo si è soliti ragionare in termini di
portata, si è preferito utilizzare quest’ultima anche nella presente trattazione,
trasformando quindi i tiranti idraulici in corrispondenti flussi idrici mediante
un’opportunamente tarata scala delle portate.
Da questo momento in poi tutte le analisi e le osservazioni che verranno presentate
all’interno del capitolo saranno riferite alla quota del fondo alveo [m] e alla portata
liquida [m3/s].
10,5
z [m slm]
9,5
8,5
7,5
100 200 300 400 500 600 700 800 900 1000 1100
Giorni decimali
Fig. 3.1.1. Andamento quota del fondo per gli anni 2013, 2014, 2015
64
10100 Andamento portata liquida
9100
8100
7100
6100
Q [m3/s]
5100
4100
3100
2100
1100
100
0 100 200 300 400 500 600 700 800 900 1000 1100
Giorni decimali
Fig. 3.1.2. Andamento portata liquida per gli anni 2013, 2014, 2015
Nei grafici precedenti viene mostrato l’andamento della quota del letto e della
portata. È possibile notare come entrambe le figure presentino dei “buchi”, ad
esempio tra 900 e 950 giorni per la Fig.3.1.1 e tra 560 e 580 giorni per la Fig.3.1.2.
Questo perché si tratta di dati “grezzi”, ovverosia non continui probabilmente a
causa di un possibile malfunzionamento del sonar e dell’idrometro. Oltre alla
mancanza di continuità, per i dati di fondo alveo in particolare, sono stati riscontrati
degli outliers, come ad esempio valori contigui la cui differenza era talmente elevata
da risultare irragionevole, stante la natura del fenomeno.
Si è deciso quindi di creare un algoritmo che operasse alla “pulizia” dei file e al
“riempimento” dei buchi mediante interpolazione lineare.
Inoltre, essendo due strumenti distinti adibiti al rilevamento dei dati di fondo e
portata, è altamente probabile che tali dati non si riferiscano al medesimo istante
temporale. Scopo dell’algoritmo è anche quello di fare in modo che le due serie di
dati abbiano lo stesso asse temporale, così facendo per ogni t all’istante i-esimo si
avrà un unico valore di zfondo e uno di Q.
65
A valle dell’analisi svolta precedentemente, per avere una migliore visione di
entrambi gli andamenti, si è scelto di calcolare la media mobile alla Reynolds a 50,
100, 250 e 500 ore.
Fig. 3.1.3. Confronto dati fondo alveo filtrati e media mobile a 50 ore
66
Fig. 3.1.4. Confronto dati portata filtrati e media mobile a 50 ore
Fig. 3.1.5. Confronto dati fondo alveo filtrati e media mobile a 100 ore
67
Fig. 3.1.6. Confronto dati portata filtrati e media mobile a 100 ore
Fig. 3.1.7. Confronto dati fondo alveo filtrati e media mobile a 250 ore
68
Fig. 3.1.8. Confronto dati portata filtrati e media mobile a 250 ore
Fig. 3.1.9. Confronto dati fondo alveo filtrati e media mobile a 500 ore
69
Fig. 3.1.10. Confronto dati portata filtrati e media mobile a 500 ore
70
3.2 Riconoscimento di
tendenze tipiche
Osservando i grafici del fondo alveo in media mobile a 500 ore (Fig.3.1.9) è possibile
notare come siano presenti dei tratti complessivamente crescenti corrispondenti ad
un decremento di Q, tratti decrescenti che rispondono ad un incremento di portata
e infine dei tratti stazionari facenti riferimento a dei valori di Q molto ridotti o
piccole variazioni degli stessi. Da un punto di vista fenomenologico, anche qualora i
dati osservati presentassero dei trend stabili non si potrebbe a priori supporre una
condizione di tipo stazionario per la fossa d’erosione, mentre sarebbe
probabilisticamente lecito attendere un comportamento instabile della stessa a
fronte di variazioni temporali più o meno contenute delle altre due grandezze idro-
meccaniche. A valle di quanto appena osservato è lecito pensare all’esistenza di una
portata soglia, in funzione del livello medio, al di sotto della quale il fondo
regolarizzato non subisce variazioni notevoli di quota.
Il comportamento del letto del fiume nell’istante k risulta dipendente dalla portata
e dal livello della quota del fondo all’istante k-1. Come indagine preliminare che miri
a evidenziare quanto detto precedentemente si è deciso di calcolare la derivata
temporale della quota del fondo dzf/dt e di plottare quest’ultima in un grafico
tridimensionale insieme alla portata Q e alla zfondo.
71
Nella Figura 3.2.1 si mostra il grafico precedentemente menzionato. I punti
rappresentati in figura presentano una scala cromatica che va dal blu scuro, a cui
corrispondono valori negativi di dzf/dt, al rosso scuro, dove al contrario si
riscontrano dzf/dt > 0.
A causa della grande numerosità del campione, per una migliore comprensione del
risultato si è scelto di plottare i soli punti distanziati da un passo temporale a
piacimento pari a 30 dati registrati, plottandolo in 2D (Fig. 3.2.2).
72
Fig. 3.2.2. Grafico 2D: zf - Q
Analizzando il grafico in Fig. 3.2.2 si può osservare come ci sia una divisione tra valori
negativi e positivi di dzf/dt, rappresentata dalla banda di incertezza grigia, che
costituisce una zona di transizione.
Per semplicità computazionale si è deciso di optare non per una fascia di transizione
ma per una retta-soglia di equazione:
z= A∙Q+B (4)
dove:
- A = - 0,0004839
- B = + 10,758
73
Tale retta indica che, se il fondo è basso per abbassarlo ulteriormente occorre una
portata elevata, mentre se la quota del fondo è alta possono bastare portate più
piccole per abbassarlo.
Confrontando l’andamento della portata rispetto a quello del fondo, sono stati
individuati alcuni tratti significativi in cui la prima subisce degli incrementi o
decrementi notevoli e zone in cui si mantiene stabile, con corrispondente
andamento del fondo (Fig. 3.2.3).
Fig. 3.2.3. Alcuni andamenti significativi della portata: incrementali, decrementali e stazionari
74
Per i tratti suddetti viene costruito un grafico |∆Q|= f(|∆z|/∆t), in prima
approssimazione senza distinguere se si tratta di un incremento o di un decremento
di portata.
70
60
50
|∆z|/∆t
40
30
20
10
0
0 1000 2000 3000 4000 5000
∆Q
75
siano in grado di spostare un gran numero di sedimenti sicché il fondo rimane (circa)
stabile.
Per incrementi (o decrementi) di portata |∆Q| inferiori a 215 m3/s la struttura
analitica individuante il trend è un monomio lineare dipendente da un parametro
C0:
| ∆z|
= 𝐶0 |∆Q| (5)
∆t
Dove C0 = 0,35395.
Quando invece |∆Q| è compresa tra 215 m3/s e 400 m3/s, la curva rappresentante
i dati in figura è descritta da una parabola funzione dei 3 parametri C1, C2, C3:
| ∆z|
= 𝐶1 |∆Q|2 + 𝐶2 |∆Q| + 𝐶3 (6)
∆t
Con:
- C1 = - 0,00059
- C2 = + 0,54468
- C3 = - 90
|∆z|
= 𝐶4 |∆Q| + 𝐶5 (7)
∆t
76
Dove:
- C4 = + 0,0108
- C5 = + 64,428
Una volta ricavate le equazioni che legano la variazione di portata con quella del
fondo alveo, si procede allo sviluppo di un algoritmo che permette di calcolare ad
ogni passo temporale il rispettivo valore di ∆z con il giusto segno (+/-) in base al fatto
che si tratti di deposito o scavo.
Il lavoro svolto sui 3 anni a disposizione è il seguente:
Sono stati considerati i dati di portata con un passo di discretizzazione di circa 6
giorni e per ogni coppia di valori consecutivi vengono calcolati la variazione di
portata |∆Q| e il valore medio Qm. In seguito, si procede al calcolo di|∆z| servendosi
delle equazioni descritte precedentemente, Eq. (5), Eq. (6), Eq. (7), partendo da un
valore iniziale di z0 corrispondente al giorno i-esimo a cui corrisponde la prima
portata a disposizione Q0.
Il passo successivo sarà la scelta del segno di |∆z|: per tale calcolo ci si serve della
retta di soglia, Eq. (4), scritta in funzione dei valori medi di fondo e portata,
𝑧𝑚 = 𝐴 ∙ 𝑄𝑚 + 𝐵, e di una zservizio, calcolata come zi-1 + |∆z|. Se la zservizio sta al di
sotto della zm di soglia, all’istante i-esimo, allora si avrà deposito, ∆z= +|∆z|, se
invece sta al di sopra della retta soglia si avrà erosione, ∆z= -|∆z|.
La zstimata finale è data da zi-1 + ∆z.
77
3.4 Predizione a diverse
scale temporali
In prima analisi viene calcolata la zstimata finale partendo da un t0 fisso, primo dato
utile dell’anno 2013, procedendo quindi con una discretizzazione di 100 dati per
volta, in maniera tale da avere un ∆t significativo comparabile con la fenomenologia
del problema.
Al termine della computazione si avranno due serie di dati relativi al fondo:
Lo stesso procedimento viene effettuato per gli anni 2014 e 2015. Successivamente
si applica l’algoritmo partendo da un unico t0 relativo al primo dato utile del 2013 e
procedendo al calcolo delle zstimate per i 3 anni consecutivi.
78
Nelle figure proposte in seguito si può osservare l’andamento dei dati osservati e
quelli stimati, inizialmente mostrando una stima anno per anno e successivamente
accorpando i 3 anni in un singolo grafico.
10,8
Anno 2013
z osservate
10,6
z stimate
10,4
10,2
z [m slm]
10
9,8
9,6
9,4
9,2
160 210 260 310 360
Giorni decimali
11
Anno 2014
z osservate
10,5 z stimate
10
9,5
z [m slm]
8,5
7,5
360 410 460 510 560 610 660 710
Giorni decimali
79
10,5
Anno 2015
10
9,5
z [m slm]
9
z osservate
8,5 z stimate
7,5
720 770 820 870 920 970 1020 1070
Giorni decimali
Anni 13-14-15
11
10,5
10
z [m slm]
9,5
9
z osservate
8,5
z stimate
8
7,5
100 200 300 400 500 600 700 800 900 1000 1100
Giorni decimali
80
Per avere una visione più chiara e completa sulla validità della predizione dello scavo
viene mostrato un grafico in cui si riporta anche l’andamento delle portate:
Q [m3/s]
z [m slm]
9,5
3000
9
2000
8,5
8 1000
7,5 0
160 260 360 460 560 660 760 860 960 1060
Giorni decimali
Fig. 3.4.5. Confronto zosservati e zstimati con rispettive Q (linea azzurra) relative agli anni 2013, 2014,
2015
L’andamento relativo alle quote del fondo stimate per i 3 anni consecutivi (linea in
rosso), mostra un trend che in qualche modo è qualitativamente “simile” a quello
dei dati osservati (in blu), nel senso che le zstimate sono “specchiate” rispetto alle
portate osservate: il modello segue la fisica del fenomeno, ad un aumento di portata
corrisponde uno scavo e al diminuire della prima equivale un deposito di sedimenti.
Viceversa c’è spesso un notevole sfasamento fra le zstimate e le zosservate
I primissimi punti presenti nel grafico vengono approssimati abbastanza bene
dall’algoritmo di calcolo, mentre si può notare un’irregolarità all’aumentare dei
giorni cumulati. La regolarità relativa ai primi punti è dovuta sia ad un andamento
abbastanza uniforme della portata liquida (e valori bassi di quest’ultima) sia al fatto
81
che, osservando il dato grezzo relativo al 2013 (prima parte del grafico in Fig. 2.3.11),
il campione presenta un trend particolare, ovverosia un “piattone” che permane per
diverse settimane e successivamente un insieme di dati “sporchi” relativi alla fine
dell’anno, che vengono sicuramente “regolarizzati” in seguito all’algoritmo di pulizia
e riempimento ma che comunque non sono del tutto affidabili, falsando
probabilmente la stima della misura.
L’algoritmo in questione è un modello di primo tentativo, ovverosia non tiene conto
di numerosi aspetti che sono fondamentali per la previsione di uno scavo localizzato.
Uno degli aspetti sopra citati riguarda lo sfasamento temporale che non viene
menzionato nel presente algoritmo: non è detto che il pelo libero dell’acqua e il letto
del fiume rispondano ad una stessa sollecitazione nel medesimo istante t. Altra
debolezza del modello dipende dal fatto che le salite e le discese del fondo vengono
studiate allo stesso modo, mentre è probabile che la celerità con cui i sedimenti si
depositano sia inferiore di quella con cui gli stessi vengono erosi.
Per maggiore completezza viene mostrato nella figura seguente lo scarto in termini
di differenza tra valori osservati e stimati per i 3 anni in questione:
1,5
0,5
-0,5 160 260 360 460 560 660 760 860 960 1060
-1,5
-2,5
Giorni decimali
Fig. 3.4.6. Differenza zosservati e zstimati per gli anni 2013, 2014, 2015
82
Effettuando una previsione a partire da un t0 fisso per una durata temporale lunga,
quale può essere quella su 3 anni, si può notare, in Fig. 3.4.6, come ci sia un
progressivo accumulo dell’errore, arrivando addirittura ad uno scarto di ± 2 m. Ciò
sta a indicare come il modello non sia in grado di fornire una stima accurata a lungo
termine. Per questo motivo si è deciso di studiare l’andamento della quota del fondo
con una previsione a “breve termine” imponendo 3 distinti passi temporali e
modificando di volta in volta il punto di partenza per il calcolo dell’algoritmo.
83
3.4.2 Andamento temporale del
fondo con t0 mobile e
passo di 6, 12, 18 giorni
Nella figura sottostante si mostra il grafico riportante gli andamenti delle z osservate e
zstimate con una previsione a 6 giorni (più precisamente 6,24 giorni):
Previsione a 6 giorni
11 6000
z stimate
10,5 z osservate 5000
Portate osservate
10
4000
z [m slm]
9,5
3000
Q [m3/s]
9
2000
8,5
8 1000
7,5 0
150 350 550 750 950
Giorni decimali
Osservando il grafico di Fig. 3.4.7 si nota che, applicando un passo temporale breve,
l’andamento della quota stimata segue abbastanza bene il trend delle z osservate,
84
anche considerando la presenza di contenute oscillazioni spiegate dal continuo
cambio dell’istante iniziale t0 nell’ applicazione dell’algoritmo.
Previsione a 12 giorni
11 6000
z osservate
10,5 z stimate
5000
Portate osservate
10
4000
z [m slm]
9,5
Q [m3/s]
3000
9
2000
8,5
8 1000
7,5 0
150 250 350 450 550 650 750 850 950 1050
Giorni decimali
85
A completamento, si riporta il grafico dell’analisi a 18 giorni (più precisamente 18,72
giorni):
Previsione a 18 giorni
11 z osservate 6000
z stimate
10,5 Portate osservate 5000
10
4000
9,5
z [m slm]
3000
Q [m3/s]
9
2000
8,5
8 1000
7,5 0
150 250 350 450 550 650 750 850 950 1050
Giorni decimali
86
3.4.3 Calcolo dell’errore
Si effettua ora una analisi probabilistica dell’errore cumulato nel tempo per meglio
valutare quantitativamente la bontà del modello proposto.
Presi in considerazione i lassi temporali previsionali composti da 6, 12 e 18 giorni si
calcola l’errore di valutazione, individuato tramite la semplice differenza fra quota
del fondo alveo osservata e stimata mediante l’algoritmo proposto. Per fornire una
visualizzazione grafica efficace di quanto esposto si opta per dei plot mostranti i fasci
di errore, costituti da una serie di dati per ogni singolo periodo previsionale; in tal
modo è possibile constatare l’incertezza computazionale e l’andamento in funzione
del tempo analizzato.
0,8
0,6
z osservate - z stimate [m]
0,4
0,2
0
0 1 2 3 4 5 6 7
-0,2
-0,4
-0,6
-0,8
-1
t - t0 [d]
87
Dalla figura soprariportata è visibile come per un lasso temporale pari a 6 giorni si
incorra in un errore compreso entro gli 80 cm, ma che comunque rimane più limitato
rispetto alle analisi svolte per le restanti finestre d’indagine a 12 e 18 giorni di
seguito riportate.
1,5
1
z osservate - z stimate [m]
0,5
0
0 2 4 6 8 10 12 14
-0,5
-1
-1,5
t - t0 [d]
88
1,5
1
z osservate - z stimate [m]
0,5
0
0 2 4 6 8 10 12 14 16 18 20
-0,5
-1
-1,5
-2
t - t0 [d]
89
Fig. 3.4.13. Confronto PDF degli errori al variare dei giorni
Come atteso, il picco di frequenza relativa si verifica per ogni periodo di osservazione
in concomitanza con il valore nullo, ma l’aspetto più peculiare è che l’ampiezza delle
campane è pressoché confrontabile, eccezion fatta per la parte negativa relativa alla
curva a 18 giorni. Si può dunque asserire che, stante una modesta sensibilità
statistica inerente alla variazione dei periodi di osservazione, l’algoritmo
implementato presenta uno schema matematicamente robusto, seppur
migliorabile. È infatti visibile come vi sia una maggiore massa probabilistica di errore
ubicata nella parte negativa relativa alla finestra d’indagine più estesa, il che
comporta una sottostima dell’erosione a lungo termine. Si ricorda infatti come
l’errore sia definito mediante la differenza fra le quote del fondo alveo osservate e
90
quelle stimate, con un conseguente valore negativo in caso di maggior scavo (o
minor deposito) rispetto a quanto computato. Questo aspetto conferisce
all’algoritmo implementato un carattere non statisticamente a favore di sicurezza
sul lungo termine, sicuramente oggetto di futuri possibili miglioramenti.
Di particolare interesse è non solo l’errore per come è stato calcolato, ma anche il
suo modulo che, non discriminando tra valori negativi e positivi, dà un’indicazione
significativa dello scostamento fra valutazione e osservazione. Per darne una lettura
statistica immediata ma di efficace rappresentazione si calcolano i valori percentili
corrispondenti a 3 diversi livelli di probabilità al variare del passo temporale
impiegato (Tab. 3.4.1).
91
92
Capitolo 4
4 Conclusioni e possibili
sviluppi futuri
93
classi ampie 10 cm). I dati orari, sia dell’ecoscandaglio che dell’idrometro, sono stati
quindi depurati da eccessive variazioni temporali prive di significato fisico,
ammettendo che fossero dovute a errori di misura; ad esempio, le brusche
intermittenze della portata idrica e i valori eccessivamente bassi della quota del
fondo. Naturalmente l’eliminazione di questi valori ha portato a lacune nei segnali,
per colmare le quali si è seguito un approccio alla Reynolds, impiegando una media
mobile centrata con un passo pari a 500 ore. Il risultato così ottenuto, stante la sua
maggiore regolarità, è un punto di partenza più adatto per le indagini
fenomenologiche.
I dati sono stati analizzati considerando le tre variabili: portata, quota del fondo e
derivata di quest’ultima. Concettualmente, ci si può infatti attendere che una certa
portata idrica possa determinare tendenze morfologiche diverse (sia a livello del
tratto fluviale, sia a livello della fossa di erosione localizzata) a seconda della quota
attuale del fondo. L’assunto concettuale è stato ragionevolmente confermato dai
dati, pur nell’oggettiva difficoltà di non poter separare con certezza le tendenze
morfologiche di tratto da quelle locali, avendo un solo punto di misura a valle di un
ostacolo.
94
raramente superano gli intervalli studiati, rendendo possibile l’applicazione del
modello sviluppato nei piani di Protezione Civile.
95
modello predittivo su durate inferiori a 18 giorni. Operando in tal modo,
infatti, la media mobile apporta intrinsecamente il contributo di dati
successivi a qualunque istante corrente analizzato; in altre parole, il modello
si avvale di informazioni non ancora disponibili al momento della previsione.
Una possibile alternativa sarebbe quella di effettuare la procedura di media
alla Reynolds per intervalli temporali non solo più brevi, ma anche secondo
uno schema di tipo step-backward (terminante nell’istante di interesse) in
luogo dello schema centrato usato nel presente lavoro. Così facendo la stima
si baserebbe solo su dati disponibili nel momento della previsione.
- Un’ulteriore analisi potrebbe riguardare l’inserimento di un ∆zlim all’interno
del computo dell’algoritmo di calcolo relativo alla stima della quota del
fondo: se da un punto di vista computazionale è lecito avere un certo valore
di ∆z associato alla variazione di portata ∆Q a cui fa riferimento, sarebbe
opportuno fissare una soglia (∆zlim) per fare in modo che i risultati ottenuti
non si scontrino con la fisica del problema.
96
Bibliografia
[1] Brath, A., Montanari, A., (2000), “Vulnerabilità idraulica dei ponti”,
in “L’Acqua”, Volume 3, pp. 45-60.
[4] Franzetti, S., Rossi, G., Broli, G., (2012), “Come consolidare un ponte
sul Po”, rivista “Le strade”, numero Agosto - Settembre, pp. 82-88.
97
[6] National Cooperative Highway Research Program NCHRP, (2009),
Synthesis 396: Monitoring Scour Critical Bridges Project Number: 20-
05/Topic 36-02 doi: 10.17226/22979.
98
Desidero ringraziare tutti coloro che mi hanno seguito in questo percorso, in
particolar modo il mio relatore Silvio Franzetti e i miei correlatori Alessio Radice e
Gianluca Crotti, che mi hanno aiutato a portare a termine il lavoro con grande
professionalità ma al tempo stesso rendendo piacevole ogni nostro incontro.
Ringrazio i miei genitori, senza i quali non sarei qui, a cui devo tutto ciò che ho. Il loro
amore e la loro stima mi hanno permesso di affrontare qualsivoglia difficoltà senza
mai abbattermi.
Ringrazio i miei nonni Margherita, Anna ed Emanuele, a cui dedico questa Tesi di
Laurea. Sempre presenti con il cuore e con la mente prima, durante e dopo ogni mio
esame universitario, attendendo in ansia le mie telefonate.
Ringrazio gli amici di sempre e gli amici di Milano che, ognuno a modo suo, hanno
contribuito a rendere il tutto meno stressante e sicuramente più divertente.
Ringrazio Beatrice, amica e collega fin dal primo anno qui al Politecnico, che mi ha
preso per mano fin dall’inizio e che, giorno dopo giorno, mi ha permesso di affrontare
tutto con il sorriso.
Ringrazio Fabrizio, compagno di avventure e sventure, che mi è sempre stato
accanto senza mai lasciarmi sola neanche nei momenti di sconforto e senza il quale
le mie giornate sarebbero state semplicemente normali.
Ringrazio la mia coinquilina Marina che ha sopportato le mie crisi isteriche in fase
pre-esame senza mai lamentarsi.
E per ultimo, ma non per importanza, ringrazio il mio Ivan, che mi ha accompagnato
fin qui non solo come compagno di vita ma anche in qualità di collega. Perché
nessuno potrà comprendere il valore di questo traguardo più di lui.
99