Monitoreo y Modelo Predictvo

Politecnico di Milano
Scuola di Ingegneria Civile, Ambientale e Territoriale
Corso di Laurea Magistrale in Ingegneria Civile - Idraulica
EROSIONE LOCALIZZATA ALLA BASE DELLE PILE DEI

PONTI FLUVIALI – MONITORAGGIO E SVILUPPO DI UN
MODELLO PREDITTIVO
CASO DI STUDIO: IL PONTE DI BORGOFORTE SUL PO
Relatore: Prof. Ing. Silvio FRANZETTI
Correlatori: Ing. Gianluca CROTTI
Prof. Ing. Alessio RADICE
Tesi di Laurea di:
Giuliana SERIO 852733
Anno Accademico 2017 – 2018

2
Ai miei nonni
3
4
Sommario
L’erosione localizzata è una delle principali cause di danneggiamento dei ponti

fluviali. Il fenomeno erosivo è dovuto all’azione di trascinamento operata dal flusso
turbolento attorno alle pile e alle spalle della struttura: la corrente, per superare un
ostacolo, modifica le sue traiettorie divenendo tridimensionale, con la formazione
di vortici e aumenti locali della velocità. Le maggiori condizioni di rischio si rilevano
durante gli eventi di piena, in cui le portate sono maggiori inducendo, di
conseguenza, valori maggiori delle velocità medie. Durante questi eventi, inoltre, la
velocità della corrente è di norma sufficiente per determinare un ingente trasporto
di sedimenti in tutto il tratto fluviale in prossimità del ponte (condizioni di live bed).
Il presente elaborato si inserisce in una ricerca di ampio respiro riguardante il
fenomeno erosivo alla base delle pile dei ponti fluviali. Si considera un caso di studio
di campo, rappresentato dal ponte sul Po nella località di Borgoforte, in provincia di
Mantova (Lombardia). Da qualche anno, la quota del fondo a valle di una delle pile
del ponte è monitorata in continuo tramite un ecoscandaglio, mentre la quota della
superficie libera è misurata tramite un idrometro.
Nella prima parte del lavoro, i dati relativi alla quota del fondo, forniti
dall’ecoscandaglio, sono stati analizzati allo scopo di individuare delle tendenze
tipiche nella corrispondenza tra i valori della portata e gli andamenti del fondo. I
risultati ottenuti da questa analisi sono usati, nella seconda parte, per formulare un
modello previsionale che consenta di prevedere 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. L’algoritmo di calcolo fornisce risultati incoraggianti per
quanto riguarda la previsione della quota del fondo: si osservano infatti delle
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
d Diametro della pila [m]
h Tirante idrico [m]
h/d Sommergenza [-]
Q Portata liquida [m3/s]
Re* Numero di Reynolds d’attrito [-]
t tempo [d]
u∗ Velocità di attrito [m/s]
Y Parametro di mobilità di Shields [-]
Yc Parametro di mobilità di Shields critico [-]
z Quota [m slm]
∆ Sforzo tangenziale critico adimensionale [-]
𝛾𝑤 Peso specifico dell’acqua [N/m3]
𝛾𝑠 Peso specifico della fase solida [N/m3]
ν Viscosità cinematica dell’acqua [m2/s]
ρ Densità dell’acqua [kg/m3]
τ Tensione di trascinamento della corrente [kg/m2]
𝜏c Tensione di trascinamento critica [kg/m2]
9
10
Indice
Sommario ................................................................................................................... 5
Abstract ...................................................................................................................... 7
Simbologia.................................................................................................................. 9
1 Fenomeni di erosione ....................................................................................... 13
1.1 Il trasporto solido ...................................................................................... 13

1.2 Tipologie di erosione ................................................................................. 17
1.3 Parametri idraulici che condizionano il processo di erosione .................. 21
1.4 Il caso Borgoforte ...................................................................................... 22
1.5 Obiettivi dell’elaborato ............................................................................. 29
2 Analisi dei dati .................................................................................................. 31
2.1 Sonar.......................................................................................................... 31
2.2 Elaborati precedenti .................................................................................. 36
2.2.1 Codice 0 (2012) .................................................................................. 37
2.2.2 Tesi di Castagna & Rizzuti (2016) ....................................................... 38
2.2.3 Tesi di Maspero & Rivolta (2017) ....................................................... 45
2.3 Codice GS ................................................................................................... 52

2.3.1 Conclusioni Analisi GS ........................................................................ 60
3 Formulazione di un modello predittivo dello scavo localizzato ....................... 63
3.1 Presentazione dei dati e scelta della scala di osservazione ...................... 64

3.2 Riconoscimento di tendenze tipiche ......................................................... 71
3.3 Algoritmo di calcolo................................................................................... 75
3.4 Predizione a diverse scale temporali ........................................................ 78
3.4.1 Andamento temporale del fondo con tempo iniziale t0 fisso............ 78
11
3.4.2 Andamento temporale del fondo con t0 mobile e passo di 6, 12, 18
giorni ……………………………………………………………………………………………………….84
3.4.3 Calcolo dell’errore .............................................................................. 87
4 Conclusioni e possibili sviluppi futuri ................................................................ 93
Bibliografia ................................................................................................................ 97
12
Capitolo 1
1 Fenomeni di erosione
1.1 Il trasporto solido
Il trasporto solido nei corsi d’acqua è determinato dall’azione di trascinamento che

la corrente liquida esercita sul fondo dell’alveo e sulle sponde. Le modalità di
trasporto sono diverse a seconda del tipo di sedimento (coesivo o non coesivo), delle
sue caratteristiche fisiche (granulometria, forma, densità), della sua velocità di
sedimentazione e delle peculiarità della corrente idrica: velocità, tirante idrico, ecc.
[Brath, Montanari, 2000].
Le modalità di trasporto sono essenzialmente due:
- Trasporto di fondo: le particelle vengono trasportate rimanendo

prevalentemente in contatto con il fondo del corso d’acqua: scivolano,
rotolano o fanno brevi salti a seconda delle caratteristiche della corrente e
del materiale di cui è costituito il letto;
- Trasporto in sospensione: le particelle fini vengono trasportate con lunghi
salti, con rari contatti col fondo del letto e rimanendo per lo più circondate
completamente dall’acqua.
Nel presente lavoro di tesi non verrà esaminato il trasporto in sospensione.
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:
· La spinta esercitata dalla corrente su una particella solida è proporzionale

alla superficie investita e dipende dal quadrato del diametro e della velocità.
· Le forze stabilizzanti sono fortemente dipendenti dalla configurazione
geometrico-meccanica del fondo alveo. In particolare, le condizioni di moto
incipiente dipendono fortemente da molti parametri caratterizzanti il
geomateriale presente nel corso d’acqua, come ad esempio il diametro delle
particelle solide, peso specifico, tessitura e mutuo assetto posizionale.
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
denominato parametro di mobilità o numero di Shields;
- Re* è il numero di Reynolds sedimentologico:
𝑢∗ 𝑑
𝑅𝑒 ∗ =
𝜐
dove:
𝜏
𝑢∗ = √
𝜌
rappresenta la velocità d’attrito e 𝜐 = viscosità cinematica dell’acqua.
La precedente relazione adimensionale si semplifica in caso di elevata sommergenza

(h/d ≥ 6), divenendo:
𝜏𝑐
= 𝑓(𝑅𝑒 ∗ ) (3)
L’andamento della rispettiva forma funzionale, determinata sperimentalmente da

Shields, è mostrato nella figura X che rappresenta l’Abaco di Shields.
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.
Nell’abaco precedentemente citato si distinguono tre regioni a comportamento

distinto:
- la prima valida per valori di Re*< 1, denominata laminare;

- la seconda valida per 1 < Re* < 400, denominata zona di transizione, in cui
il moto è già turbolento ma il gruppo adimensionale (parametro di Shields)
non è ancora in autosimilitudine con il numero di Reynolds;
- la terza valida per Re* > 400, detta turbolenta, in cui Yc assume un valore
costante pari a circa 0,06.
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
trasporto (𝜏 >𝜏𝑐 ), mentre quelli situati al di sotto sono relativi a condizioni di
immobilità.
1.2 Tipologie di erosione
L’erosione è il risultato dell’azione della corrente fluviale che mobilita e trasporta i

sedimenti d’alveo.
L’escavazione alla base delle pile dei ponti è generalmente costituita dalla
sovrapposizione di tre processi che vengono talvolta stimati indipendentemente
l’uno dall’altro.
Detti processi sono:
- L’abbassamento (o innalzamento) dell’alveo in prossimità del ponte, per

variazioni globali del profilo del corso d’acqua indipendenti dalla presenza
del ponte medesimo (general scour). Il calcolo dell’abbassamento (o
innalzamento) dell’alveo è indispensabile al fine di definire la quota che il
fondo alveo assumerebbe in assenza del manufatto, che viene assunta come
riferimento per calcolare l’entità dei fenomeni di erosione localizzata e
generalizzata riconducibili alla presenza in alveo della struttura. Tale quota
può variare nel tempo sia per evoluzioni di medio-lungo termine sia per
evoluzioni di periodo più breve, spesso limitato alla durata di un unico
evento di piena.
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
In ogni zona dove, variando le caratteristiche della corrente, la capacità di erosione

supera la capacità di deposito, si verifica uno scavo che interessa innanzitutto le
zone attorno alle opere di sostegno. Al contrario, se la capacità di deposito supera
quella di erosione si verifica un deposito di sedimenti.
La profondità totale di scavo è variabile nel tempo; i materiali sciolti sono più
facilmente erodibili in tempi più brevi di quelli coesivi, sebbene le profondità di
scavo raggiunte all’equilibrio siano scarsamente dipendenti dalla coesione
medesima.
Una descrizione accurata del fenomeno non potrebbe prescindere dalla definizione
dell’evoluzione temporale dei diversi processi di erosione, tuttavia le conoscenze di
letteratura a riguardo di fenomeni erosivi conseguenti a portate liquide e solide non
stazionarie sono estremamente frammentarie. Spesso, quindi, ci si limita a
descrivere, in prima approssimazione, i livelli di erosione corrispondenti agli stati
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.
1.3 Parametri idraulici che

condizionano il
processo di erosione
I parametri idraulici maggiormente influenti sui fenomeni di escavazione sono gli

indicatori che possono essere utilizzati per stabilire il livello di vulnerabilità di un
attraversamento.
Un primo indicatore è costituito dal rapporto di contrazione della larghezza
dell’alveo imposto dall’attraversamento; ponti la cui presenza determina elevati
restringimenti del letto fluviale devono quindi destare più forti sospetti per la loro
vulnerabilità.
Sono importanti anche la profondità e la velocità della corrente; correnti più
profonde e veloci hanno infatti un maggiore potenziale erosivo. Inoltre, rivestono
particolare importanza la larghezza delle pile, la loro geometria e le caratteristiche
del materiale d’alveo, in particolare la granulometria nel caso dei sedimenti non
coesivi.
Infine, anche la forma del fondo alveo deve essere adeguatamente valutata,
osservando se la geometria della sezione può indurre concentrazioni del flusso
idrico in corrispondenza delle pile e valutando inoltre l’angolo di incidenza della
corrente con le pile medesime.
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].
Fig. 1.4.1. Panoramica generale e planimetria della zona di interesse
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.
Fig. 1.4.2. Vista planimetrica del restringimento della sezione
Se normalmente la schematizzazione monodimensionale di una corrente idrica

fluviale è approssimativa, ma lecita sotto certe ipotesi, in questo caso il carattere
fluidodinamico del corso d’acqua potrebbe essere assoggettato a uno stato
bidimensionale, il che darebbe potenzialmente origine a fenomeni locali non ben
indagabili mediante sistemi di misurazione integrali. Un altro aspetto che merita
attenzione è senz’altro la presenza di un ponte ferroviario situato 150 m a valle
dell’opera. Sebbene intuitivamente si possa considerare pressoché nullo l’effetto
relativo a quest’ultimo elemento, va detto che in condizioni di corrente lenta la
perturbazione da esso indotta potrebbe influenzare il comportamento della sezione
fluviale di interesse, con un possibile innalzamento del tirante idrico e una
mutazione dei fenomeni ivi presenti.
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.
Fig. 1.4.3. Rilievi batimetrici ANAS 2001 (rosso) e FS 2005 (verde)
24
Fig. 1.4.4. Pila originale; pila rinforzata; lavori in corso
Grazie ad una modellazione idralica 2D (Fig.1.4.5) si è risaliti al possibile

comportamento della corrente, che evidenzia la distribuzione delle velocità in
funzione della portata, nel tratto appena a monte del ponte stradale.
Fig. 1.4.5. Modellazione bidimensionale in condizioni di magra e piena
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)
Ne deriva che quest’ultima pila è la più sollecitata e lo sforzo a cui è sottoposta è

fortemente influenzato dalla quota del fondo del fiume poiché aumenta il braccio
delle forze agenti (Fig.1.4.7).
Fig. 1.4.7. Forze agenti sul ponte
Le forzanti del sistema mostrate in figura sono:
- Forza del vento: Fwind = f(Vwind,T);

- T = traffico veicolare;
- Spinta dell’acqua: Fwater = f(hwater);
- Forzanti dovute ai veicoli: FV = f(T), MV = f(T), FVd = f(T), MVd = f(T).
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.
Fig. 1.4.8. Disposizione planimetrica degli strumenti del sistema di monitoraggio
Il sistema di monitoraggio di Borgoforte è composto da vari sensori atti alla

registrazione in tempo reale dei parametri principali che influenzano la vulnerabilità
del ponte. Gli strumenti sono disposti in diverse posizioni lungo il ponte, Fig.1.4.8;
tutti i segnali sono gestiti all’interno della centrale di controllo situata sotto le travi
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
2 Analisi dei dati
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
Il suo principio di funzionamento è molto semplice: il trasduttore, parte terminale

del sonar (Fig. 2.1.1) emette un impulso di onde che riflettendosi sulla generica
superficie ritorna allo strumento: la distanza tra questi ultimi si ottiene
moltiplicando la velocità delle onde sonore in acqua per la metà del tempo trascorso
tra emissione e ricezione. L’emissione dell’onda sonora ha forma conica, ovverosia
maggiore è la distanza tra strumento e fondale e maggiore è l’area di riflessione
delle onde: di conseguenza lo strumento non riceve solo un’onda riflessa ma molte.
Considerando che la profondità misurata dallo strumento è valutata tramite un
filtraggio di tutti gli echi di ritorno, maggiore è la proiezione del fascio sul fondo
maggiore è la possibilità che il terreno sia molto irregolare al suo interno,
disperdendo le onde e generando molti echi riflessi (con tempi di riflessioni
anch’essi diversi). Se il fondale è sensibilmente piatto si può ragionevolmente
affermare che l’apertura del cono non influenza il valore di profondità restituito
dall’ecoscandaglio.
Se il fondale è invece irregolare, come lo è una buca di erosione attorno ad una pila,
le dimensioni dell’area di indagine (intersezione tra il cono di onde e il fondale)
possono diventare un parametro fondamentale che influenza la misura.
Dati il funzionamento dello strumento, l’orientamento dell’ecoscandaglio deve
essere tale che il cono di emissione non vada a toccare superfici che potrebbero
32
essere riflettenti e che quindi altererebbero la veridicità della misurazione
(Fig. 2.1.2).
Fig. 2.1.2. Orientamento dell’ecoscandaglio
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:
Fig.2.1.3. Esempio file restituito dallo strumento
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.
2.2 Elaborati precedenti
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.
2.2.1 Codice 0 (2012)
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
MEDIA R & (R+E)
VARIANZA R & (R+E)
Tab. 2.2.1. Tabella riepilogativa sulle analisi effettuate
2.2.2 Tesi di Castagna & Rizzuti

(2016)
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
Il campione in esame (utilizzato in seguito per l’esposizione della nuova procedura

di analisi) presenta dei dati che spaziano in un range compreso tra 1 e 7 m circa, con
due fasce di valori che si assestano in un intorno di questi ultimi.
Il valore medio dei dati affidabili più incerti (R & R+E) è pari a 3,23 m e graficamente
è facile vedere come non sia rappresentativo di nessuna delle due nuvole di punti.
Osservando la figura è possibile notare che la popolazione maggiore è intorno al
valore di 1 metro e la popolazione intorno a 7 metri sembra composta
principalmente da dati incerti (in giallo), ovverosia sembra che gli incerti falsino la
media del campione.
È perciò indispensabile un criterio che consenta di valutare quando e se i dati incerti
non sono allineati con i dati affidabili che per definizione sono quelli più corretti.
Alla luce di tali osservazioni sono state apportate sostanziali modifiche al codice di
calcolo iniziale (codice 0).
Una prima variazione è stata quella di creare, da un generico file, tre popolazioni
ben distinte: file affidabili più incerti (codice 0), solo dati affidabili e solo dati incerti.
Una seconda modifica riguarda l’introduzione di una nuova media e varianza, quella
dei soli dati affidabili.
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:
Fig. 2.2.4. File orario relativo al 20/11/2015
Tale figura è da considerarsi un caso chiave per l’implementazione di una nuova

soglia con l’obbiettivo di eliminare gli “outliers” indipendentemente dal fatto che
siano R o R+E.
Si è scelto di creare una fascia di confidenza partendo dal valore medio del campione
e sommando e sottraendo due volte la deviazione standard in cui dovrebbe ricadere
il 95% dei dati. Tutti i dati che escono da tale fascia sono considerati troppo dispersi
dal valor medio e quindi eliminabili.
L’idea è quella di ridurre il campione eliminando i dati più dispersi e ricalcolare la
media entrando perciò in un ciclo iterativo che è stato chiamato ciclo di raffinazione
dei dati.
L’uscita da tale ciclo è prevista quando la differenza tra la media al giro i-esimo e la
media al giro i-1 differisce di meno 0,10 m (anch’esso valore di primo tentativo).
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).
Fig. 2.2.5. Esempio grafico del ciclo iterativo
Di seguito viene riportata la tabella riepilogativa con l’aggiunta del metodo

esaminato dai tesisti Castagna & Rizzuti:
CODICE CASTAGNA &

CODICE 0
RIZZUTI
R & (R+E) (1)
MEDIA R & (R+E) R (2)
Diff. Media (1-2)
R & (R+E)
VARIANZA R & (R+E)
R
RAFFINAZIONE NO SI
Tab. 2.2.2. Tabella riepilogativa
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.
Fig. 2.2.6. Gennaio 2014
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).
Fig. 2.2.13. Gennaio 2014
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).
La procedura esposta per il mese di gennaio è stata successivamente estesa

all’intero anno 2014 e, alla luce delle indagini svolte, si sono riscontrati dei casi
particolari che hanno richiesto un’analisi più dettagliata. Di questi se ne propone
uno, il più interessante: Caso PDF con più di una classe contigua equamente
popolata, già intravisto in precedenza.
Con il metodo della moda appare semplice definire la classe che più rappresenta il
campione, ovverosia la classe più popolosa. Il problema è quando l’utilizzo dei dati
incerti sposta tale classe: in questo caso se lo scostamento è di una classe contigua
questo potrebbe, almeno a livello preliminare non essere un problema, ma se lo
spostamento della classe comporta una forte variazione del valore della moda è
necessario un ulteriore indicatore di tale casistica. Questo potrebbe essere risolto
alla radice eliminando i dati incerti che però potrebbero ridurre la popolazione dei
dati affidabili ad un numero “poco rappresentavo” di un’ora di acquisizione.
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:
CODICE CASTAGNA & CODICE MASPERO &

CODICE 0
RIZZUTI RIVOLTA
R & (R+E) (1) R & (R+E) (1)
MEDIA R & (R+E) R (2) R (2)
Diff. Media (1-2) Diff. Media (1-2)
R & (R+E) R & (R+E)

VARIANZA R & (R+E)
R R
RAFFINAZIONE NO SI SI
MODA _1
PDF NO NO
MODA _2
51
2.3 Codice GS
Nel presente paragrafo viene esposto il lavoro preliminare oggetto di studio di

questo elaborato di laurea
In primo luogo, viene effettuata una revisione e risistemazione del codice, divenuto
ormai di difficile comprensione a causa delle diverse modifiche subite senza mai
riscriverlo da zero: viene quindi riscritto, commentato, completamente validato
utilizzando i dati dei precedenti analisti e viene ampliato il pacchetto contenente le
informazioni che restituisce.
Le indagini effettuate dai tesisti di primo livello, di cui si è parlato precedentemente,
sono state il punto di partenza di tale analisi. Il lavoro condotto da Maspero &
Rivolta, si conclude con un possibile aspetto da analizzare affinché si abbia una stima
più veritiera possibile del fondo alveo.
Ricordando il caso in cui le PDF mostravano più di una classe contigua egualmente
popolata (Fig. 2.2.11), non sarebbe stato corretto escluderne una a priori in quanto
all’interno delle stesse ricadevano un gran numero di dati. Si è deciso di ovviare al
problema implementando un algoritmo che tenga conto di tre classi contigue: quella
con numerosità maggiore, la classe immediatamente precedente e la successiva. Il
codice calcola la media delle 3 classi contigue e ne ricava il valore medio pesato.
Tale studio è stato effettuato inizialmente sia sui dati affidabili sia su quelli incerti,
per le quattro diverse ampiezze: 1 m, 0,5 m, 0,1 m, 0,01 m.
Di seguito vengono mostrati i grafici che confrontano, per tutto l’anno 2014, le 2
mode: moda_MC_T (moda intesa come media della classe più popolata, moda2 dei
precedenti tesisti); moda_3C_T (moda intesa come media delle 3 classi
consecutive), implementata in questo codice. Il suffisso “T” sta a indicare come
siano stati presi in considerazione tutti i dati, affidabili e incerti.
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
Fig. 2.3.1. Confronto moda_MC, moda_3C, dati R& R+E, ampiezza 1 m
Progressione [ore]
7350 7360 7370 7380 7390 7400
1
moda_MC_T_0,5
1,5
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
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
Progressione [ore]
7350 7355 7360 7365 7370 7375 7380 7385 7390 7395 7400
2
2,2
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
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
1,9 moda_3C_T_1
2,1
2,3
2,5
2,7
2,9
3,1
3,3
3,5
Fig. 2.3.5. Confronto moda_3C, dati R& R+E e dati R, ampiezza 1 m
55
Progressione [ore]
7350 7355 7360 7365 7370 7375 7380 7385 7390 7395 7400
1
moda_3C_B_0,5
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
56
Progressione [ore]
7350 7355 7360 7365 7370 7375 7380 7385 7390 7395 7400
1,5
moda_3C_B_0,01
2 moda_3C_T_0,01
2,5
3,5
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
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.
A valle di quanto precedentemente affermato risulta opportuno sottolineare la

scelta definitiva e conclusiva di questa fase analitica preliminare. A tal fine verrà
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)
MEDIA R & (R+E) R (2) R (2) R (2)

Diff. Media (1-
Diff. Media (1-2) Diff. Media (1-2)
2)
R & (R+E) R & (R+E) R & (R+E)
VARIANZA R & (R+E)
R R R
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
L’indagine effettuata in questo capitolo porta a dei risultati abbastanza accettabili e

statisticamente basati. Tuttavia, il campione di dati esaminato è figlio di misure
batimetriche soggette ad errori di misura. Un possibile sviluppo e miglioria di tale
analisi potrebbe essere l’introduzione di una soglia sui dati affidabili, come già
accennato nel paragrafo precedente, in termini di dati R/3600 [%], in maniera tale
da non considerare i file recanti una percentuale troppo bassa di dati utilizzabili,
ritenendo il pacchetto non rappresentativo del campione in esame.
61
62
Capitolo 3
3 Formulazione di un
modello predittivo
dello scavo localizzato
In questo capitolo vengono presentati i dati di fondo alveo e di portata idrica, se ne

studia l’andamento e si propone un modello predittivo dello scavo localizzato alla
base della pila in questione. In particolare, nel primo paragrafo, in seguito ad
un’analisi dettagliata del dato, viene scelta la scala di osservazione dello stesso. Nel
secondo paragrafo si procede al riconoscimento di tendenze temporali tipiche del
letto, ovverosia all’individuazione, qualora ci fossero, di tratti con innalzamento o
abbassamento del fondo del fiume nella stazione di misura.
Il paragrafo successivo tratta dell’algoritmo di calcolo e infine, nell’ultima sezione,
viene mostrata la validità di quest’ultimo a diverse scale temporali.
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].
Andamento fondo alveo

11,5
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.
Si mostrano di seguito i risultati ottenuti:
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
67
68
69
Confrontando i grafici è immediatamente visibile come, all’aumentare del passo

temporale, la linea blu (media mobile) mostri un trend sempre più regolare.
Osservando la Fig. 3.1.3, si può constatare come l’andamento del dato istantaneo
filtrato sia quasi identico a quello relativo alla media mobile contrariamente a
quanto visibile in Fig. 3.1.9, dove la linea in blu evidenzia un appiattimento rispetto
alla rossa.
Poiché si opera con serie di dati ad elevata numerosità, effettuando una media
mobile a 500 ore si ha a disposizione un campione sicuramente più regolare e di più
semplice gestione senza alterare l’aspetto fenomenologico del problema.
Per i motivi sopra descritti, in seguito si farà sempre riferimento ai dati mediati in
luogo dei corrispettivi istantanei filtrati, impiegando a tal fine un intervallo
temporale pari 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.
Fig. 3.2.1. Grafico 3D: dz/dt, Q, zfondo
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
L’analisi quantitativa dell’andamento del fondo in funzione di quello delle portate è

stata condotta con riferimento all’anno 2014 in quanto presenta, rispetto agli altri
due, un comportamento più regolare e con pochi outiliers, al punto che l’algoritmo
di pulizia e riempimento, applicato alla serie di dati, non modifica il trend in maniera
considerevole. Si ipotizza che la sezione fluviale in esame, nel corso degli anni, si
comporti allo stesso modo.
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
Fig. 3.2.4. Grafico |∆Q| - |∆z|/∆t
3.3 Algoritmo di calcolo
A partire dal grafico presente in Fig. 3.2.4 si è cercata un’equazione che

approssimasse l’andamento dei punti. Poiché questi ultimi non presentano un trend
lineare, ma ad “uncino” per |∆z|/∆t bassi, si sono ricavate 3 equazioni diverse al
variare di |∆Q|.
In prima analisi si ipotizza che per portate al di sotto di una certa soglia, in prima
approssimazione posta = 1000 m3/s, le forze di trascinamento della corrente non
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
Un’ultima equazione riguarda variazioni di portata superiori a 400 m3/s: il polinomio

interpolante stavolta è lineare, funzione dei parametri C4 e C5.
La struttura è la seguente:
|∆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
Per validare la robustezza del modello in questione si è scelto di analizzare il

comportamento del fondo a diverse scale temporali: inizialmente effettuando una
predizione dello scavo a partire da un t0 fisso iniziale e successivamente utilizzando
un t0 mobile con 3 distinti passi di t (6, 12, 18 giorni).
Dato che all’aumentare del valore del passo temporale si ha una previsione con un
maggiore accumulo di errore sistematico, c’è da aspettarsi che effettuando una
stima a 6 giorni si abbia una previsione più accurata e uno scarto inferiore tra dati
osservati e stimati.
3.4.1 Andamento temporale del

fondo con tempo iniziale
t0 fisso
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:
- zosservata: dato osservato in media mobile a 500 ore

- zstimata: dato calcolato mediante l’uso dell’algoritmo
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
Fig. 3.4.1. Confronto zosservati e zstimati, anno 2013
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
Fig. 3.4.4. Confronto zosservati e zstimati, anni: 2013, 2014, 2015
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:
Anni 13-14-15, Fondo e Portata z osservate

11 6000
z stimate
10,5 5000
10
4000
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:
Anni 13, 14, 15

2,5
z osservate - z stimate [m]
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
In un’ottica di Protezione Civile si è ritenuto significativo 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.
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
Fig. 3.4.7. Confronto zosservati e zstimati con rispettive Q. Previsione a 6 giorni
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.
In Fig. 3.4.8, operante su finestre di 12 giorni (più precisamente 12,48 giorni): è

possibile constatare come i discostamenti tra dati osservati e computati siano
sempre maggiori rispetto al caso precedente.
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
Come è lecito aspettarsi, il modello previsionale presenta tanta più debolezza

quanto è maggiore il lasso temporale di indagine.
In alcuni casi le quote computate presentano delle non trascurabili differenze
rispetto alle corrispondenti osservate. È possibile che ciò derivi dal fatto che,
avendo impiegato la soglia di tipo lineare di eq. (4) che non prevede alcuna stasi
nell’intorno dell’inversione fra le zone di scavo e di deposito - banda grigia di Fig.
3.2.2, non si tenga adeguatamente conto della possibilità che insorgano zone di
quasi-stabilità temporanea nella suddetta “banda grigia”.
85
A completamento, si riporta il grafico dell’analisi a 18 giorni (più precisamente 18,72
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
È soprattutto in quest’ultima analisi che emerge come l’incertezza cumulata possa

dar luogo a un errore metrico, avente quindi un ordine di grandezza troppo
consistente per gli scopi proposti da questo elaborato.
La correlazione fra accuratezza dei risultati e ampiezza della finestra temporale,
stante il meccanismo “step forward” impiegato dall’algoritmo è negativa, come
ragionevolmente ci si attendeva.
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
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]
Fig. 3.4.10. Plot errore a 6 giorni
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
0,5
0
0 2 4 6 8 10 12 14
-0,5
-1
-1,5
t - t0 [d]
88
1,5
1
0,5
0
0 2 4 6 8 10 12 14 16 18 20
-0,5
-1
-1,5
-2
t - t0 [d]
Chiaramente l’incertezza più marcata si verifica per l’intervallo temporale maggiore,

ossia 18 giorni.
Mediante il confronto dei grafici emerge tuttavia la caratteristica più interessante di

questa analisi sull’incertezza. Sebbene l’errore aumenti con il crescere della finestra
temporale presa in considerazione, quello che si osserva è che si ha sempre un
maggior addensamento nella parte centrale. Al fine di meglio valutare questo
aspetto, si procede al calcolo delle densità di probabilità empiriche dell’errore, così
da meglio comprendere la sua distribuzione a intervallo fissato. Si individuano
pertanto gli elementi d’interesse per ogni lasso temporale e se ne studia
l’andamento statistico mediante la già citata PDF, confrontando poi i rispettivi trend.
Di seguito si espone un grafico riepilogativo recante le curve menzionate operanti
con un’ampiezza delle classi pari a 0,1 m.
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).
] Intervallo temporale [d]

m
it li [
n
erce 6 12 18
P
50% 0,10 0,18 0,26
Probabilità
80% 0,26 0,30 0,59
95% 0,48 0,75 0,90
Tab. 3.4.1. Percentili dell’errore
Al di là dei trend perfettamente corrispondenti alle aspettative (crescita dell’errore

percentile sia all’aumentare del passo temporale, sia all’aumentare del livello di
probabilità di non superamento) è possibile constatare come il valore collocato
centralmente nella tabella sia di limitata entità, a fronte di una previsione pari a 12
giorni in corrispondenza di un livello di confidenza dell’80%. I percentili danno una
immediata lettura probabilistica della qualità dello schema numerico impiegato che
appare, in prima approssimazione, abbastanza soddisfacente in relazione
all’apparato concettuale imbastito, ai dati disponibili e alle elaborazioni effettuate.
91
92
Capitolo 4
4 Conclusioni e possibili
sviluppi futuri
Lo studio continuo e la comprensione dei fenomeni erosivi localizzati in

corrispondenza di pile immerse in corsi d’acqua sono necessari dato il notevole
impatto che questi processi hanno sulle opere civili. Questi fenomeni sono studiati
da circa 70 anni sfruttando una varietà di approcci, tra i quali il monitoraggio di ponti
esistenti tramite diverse tecnologie. Il ponte di Borgoforte, considerato nel presente
lavoro, è stato dotato di un sistema di monitoraggio integrato, che comprende
diversi strumenti i cui dati possono essere usati per determinare lo stato di sicurezza
della struttura. Tra questi, i dati relativi all’ecoscandaglio e all’idrometro sono stati
analizzati nel presente studio.
È stato necessario effettuare un pre-processing dei dati forniti dall’ecoscandaglio,

per creare dei campioni di dati affidabili su cui basare le successive analisi. I valori di
distanza vengono infatti restituiti dallo strumento in diversi formati, il significato dei
quali va compreso per applicare i filtri più opportuni. Con riferimento ai dati acquisiti
ogni secondo e contenuti in un singolo file orario, è stata svolta un’indagine
statistica che ha portato alla scelta finale della procedura più opportuna per trovare
un valore rappresentativo orario (identificato dalla moda “3C_B_0,1”,
corrispondente al valor medio nella classe più popolosa e nelle due adiacenti, per i
soli dati buoni e una funzione di densità di probabilità costruita inizialmente usando
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.
Il modello previsionale, elaborato sulla base dell’interpretazione fenomenologica

dei dati, ha raggiunto un incoraggiante e rimarchevole risultato. Infatti, nonostante
l’errore legato alla predizione cresca ovviamente con l’orizzonte temporale, le stime
evolutive di breve periodo (inferiore a 18 giorni) si sono dimostrate
sufficientemente accurate, con deviazioni tra i valori misurati e quelli stimati
generalmente inferiori a ± 50 cm. Più in dettaglio, nella previsione a 12 giorni l’errore
è inferiore a ± 30 cm con una probabilità dell’80%. Dunque, in ottica di salvaguardia
idraulica del territorio il modello previsionale sarebbe un’utile base per predisporre
eventuali sistemi di allerta da usare congiuntamente a previsioni di portata. I lassi
temporali normalmente considerati per la pianificazione di emergenza, difatti,
94
raramente superano gli intervalli studiati, rendendo possibile l’applicazione del
modello sviluppato nei piani di Protezione Civile.
Nonostante il modello abbia raggiunto un livello di confidenza soddisfacente è

ovviamente perfettibile. Quattro questioni meritano una particolare
considerazione, rappresentando aspetti specifici da indagare nella prosecuzione
della ricerca.
- Nella fase di correlazione fra la quota del fondo dell’alveo e la portata

transitante nella sezione si è individuata una condizione di equilibrio
rappresentata da una retta nel piano z-Q. I coefficienti relativi a tale retta
sono di primo tentativo e quindi passibili di ulteriori migliorie. Inoltre, questa
è una delimitazione netta che costituisce una notevole semplificazione
rispetto a una rappresentazione, più ragionevole, attraverso una fascia di
incertezza.
- L’approccio computazionale proposto usa un legame tra variazioni di portata
e variazioni attese della quota del fondo che non distingue accumuli ed
erosioni, aspetto non scontato e meritevole di ulteriori indagini. Anche in
questo caso si potrebbe pensare che i fenomeni di deposito dei grani siano
caratterizzati da scale diverse da quelli di erosione. Inoltre, l’accoppiamento
tra il fenomeno locale e quello a scala di tratto potrebbe essere diverso nel
caso di abbassamenti o innalzamenti della quota del fondo.
- I dati altimetrici e idrometrici sono stati mediati nello stesso modo (usando
lo stesso intervallo temporale per la media mobile). Considerando che le
variazioni morfologiche avvengono (nella maggior parte dei casi) più
lentamente di quelle della portata, si potrebbero usare intervalli diversi per
calcolare le medie mobili.
- L’uso della media mobile su un intervallo temporale piuttosto lungo (500
ore, pari a 21 giorni) pone un problema concettuale rispetto all’uso del
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.
[2] Castagna, M., Rizzuti, A., (2016), “Sistema di monitoraggio di

Borgoforte, Analisi dati dell’ecoscandaglio”, Tesi di Laurea, Politecnico
di Milano. Milan, Italy.
[3] Federal Highway Administration FHWA, (2009), “Bridge scour and

Stream instability countermeasures: experience, selection, and design
guidance-third edition”. Publication No. FHWA-NHI-09-111-HEC23,
Hydraulic Engineering Circular No. 23.
[4] Franzetti, S., Rossi, G., Broli, G., (2012), “Come consolidare un ponte
sul Po”, rivista “Le strade”, numero Agosto - Settembre, pp. 82-88.
[5] Maspero, A., Rivolta, L., (2017), “Sistema di monitoraggio di

Borgoforte, Analisi dati dell’ecoscandaglio e stima della quota del
fondo”, Tesi di Laurea, Politecnico di Milano. Milan, Italy.
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.
[7] Rasulo, G., “Sistemazioni idrauliche del territorio, Parte I,

Geomorfologia”, https://www.docenti.unina.it/webdocenti-
be/allegati/materiale-didattico/73403.
[8] RFI, (2007), “Sviluppo di un impianto fisso di monitoraggio

dell’erosione attorno alle pile del ponte ferroviario sul fiume Po in
località Borgoforte”, relazione finale contratto di ricerca, Report 2.
[9] Teledyne Benthos, PSA-916 Sonar Altimeter, User’s Manual, Revision

B, Mar 2006.
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

Monitoreo y Modelo Predictvo

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Monitoreo y Modelo Predictvo

Caricato da

Copyright:

Formati disponibili

Politecnico di Milano

Scuola di Ingegneria Civile, Ambientale e Territoriale

Corso di Laurea Magistrale in Ingegneria Civile - Idraulica

EROSIONE LOCALIZZATA ALLA BASE DELLE PILE DEI

CASO DI STUDIO: IL PONTE DI BORGOFORTE SUL PO

Relatore: Prof. Ing. Silvio FRANZETTI

Correlatori: Ing. Gianluca CROTTI

Prof. Ing. Alessio RADICE

Tesi di Laurea di:

Giuliana SERIO 852733

Anno Accademico 2017 – 2018

L’erosione localizzata è una delle principali cause di danneggiamento dei ponti

d Diametro della pila [m]

h Tirante idrico [m]

h/d Sommergenza [-]

Q Portata liquida [m3/s]

Re* Numero di Reynolds d’attrito [-]

u∗ Velocità di attrito [m/s]

Y Parametro di mobilità di Shields [-]

Yc Parametro di mobilità di Shields critico [-]

∆ Sforzo tangenziale critico adimensionale [-]

𝛾𝑤 Peso specifico dell’acqua [N/m3]

𝛾𝑠 Peso specifico della fase solida [N/m3]

ν Viscosità cinematica dell’acqua [m2/s]

ρ Densità dell’acqua [kg/m3]

τ Tensione di trascinamento della corrente [kg/m2]

𝜏c Tensione di trascinamento critica [kg/m2]

1 Fenomeni di erosione ....................................................................................... 13

1.1 Il trasporto solido ...................................................................................... 13

2.2.2 Tesi di Castagna & Rizzuti (2016) ....................................................... 38

2.2.3 Tesi di Maspero & Rivolta (2017) ....................................................... 45

2.3 Codice GS ................................................................................................... 52

3 Formulazione di un modello predittivo dello scavo localizzato ....................... 63

3.1 Presentazione dei dati e scelta della scala di osservazione ...................... 64

3.4.3 Calcolo dell’errore .............................................................................. 87

4 Conclusioni e possibili sviluppi futuri ................................................................ 93

1.1 Il trasporto solido

Il trasporto solido nei corsi d’acqua è determinato dall’azione di trascinamento che

Le modalità di trasporto sono essenzialmente due:

- Trasporto di fondo: le particelle vengono trasportate rimanendo

Nel presente lavoro di tesi non verrà esaminato il trasporto in sospensione.

· La spinta esercitata dalla corrente su una particella solida è proporzionale

denominato parametro di mobilità o numero di Shields;

- Re* è il numero di Reynolds sedimentologico:

rappresenta la velocità d’attrito e 𝜐 = viscosità cinematica dell’acqua.

La precedente relazione adimensionale si semplifica in caso di elevata sommergenza

L’andamento della rispettiva forma funzionale, determinata sperimentalmente da

Nell’abaco precedentemente citato si distinguono tre regioni a comportamento

- la prima valida per valori di Re*< 1, denominata laminare;

trasporto (𝜏 >𝜏𝑐 ), mentre quelli situati al di sotto sono relativi a condizioni di

1.2 Tipologie di erosione

L’erosione è il risultato dell’azione della corrente fluviale che mobilita e trasporta i

- L’abbassamento (o innalzamento) dell’alveo in prossimità del ponte, per

In ogni zona dove, variando le caratteristiche della corrente, la capacità di erosione

1.3 Parametri idraulici che

I parametri idraulici maggiormente influenti sui fenomeni di escavazione sono gli

Fig. 1.4.1. Panoramica generale e planimetria della zona di interesse

Fig. 1.4.2. Vista planimetrica del restringimento della sezione

Se normalmente la schematizzazione monodimensionale di una corrente idrica

Fig. 1.4.3. Rilievi batimetrici ANAS 2001 (rosso) e FS 2005 (verde)

Grazie ad una modellazione idralica 2D (Fig.1.4.5) si è risaliti al possibile

Fig. 1.4.5. Modellazione bidimensionale in condizioni di magra e piena

Ne deriva che quest’ultima pila è la più sollecitata e lo sforzo a cui è sottoposta è