Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
(1) Idrologia e Ambiente s.r.l., Riviera di Chiaia 72, 80122, Napoli, Italy
In questo poster vengono presentati i risultati ottenuti tramite un sistema di previsione basato su un modello a
Reti Neurali Artificiali (RNA) implementato per la previsione di piena alla stazione di Grazzanise (Fiume
Volturno) con 12 ore di anticipo. I dati di input forniti al modello RNA sono le osservazioni idrometriche in 2
stazioni a monte di Grazzanise (Solopaca e Amorosi). Il sistema prevede inoltre la valutazione dell’incertezza
predittiva, stimata con il post-processore statistico Model Conditional Processor (MCP) (Todini, 2008 e Coccia
e Todini, 2011), che può essere utilizzato all’interno di un sistema di supporto alle decisioni per la previsione
delle piene. Il MCP permette la stima della distribuzione di probabilità del valore futuro osservato di
portata/livello condizionato alla previsione deterministica del modello. Il sistema, nel complesso, è in grado di
fornite le previsioni di livelli/portate sul fiume Volturno alla stazione di Grazzanisse con dodici ore di anticipo
ed il corrispondente intervallo di confidenza del 90%. I risultati ottenuti in fase di calibrazione e di validazione
sono di buona qualità, sia all’analisi grafica che statistica. Durante l’intero periodo di validazione si ottengono
un coefficiente di Nash and Sutcliffe pari a 0,974 ed un coefficiente di persistenza di 0.07
riportata nello spazio reale dei dati attraverso l’inverso della 0.2
previsioni di molti modelli, ma anche alle previsioni degli stessi Modello ANN Volturno 1
a diversi orizzonti temporali. Questo comporta la possibilità di •Quantità di cappe: 3 f ( y) (0;1)
stimare l’incertezza predittiva congiunta della variabile •Numeri di nodi in cappa di entrata: 9 1 e y
osservata ad ogni orizzonte temporale dalla quale è possibile •Numeri di nodi in cappa nascosta: 5
estrapolare importanti informazioni, quali la probabilità di •Numeri di nodi in cappa di uscita: 1
superare soglie di allarme entro un determinato orizzonte di •Funzione di attivazione della capa nascosta: tang. sigmoidal
tempo e la distribuzione di probabilità dell’esatto istante di •Funzione di transformazione delle variabile di entrata scalata tra 0.05 e 0.95
superamento. •Algoritmo di allenamento: BFGS quasi-Newton backpropagation
Il MCP è operativo da più di un anno nel sistema di previsione •Funzione obiettivo: errore cuadratico medio (MSE)
di piena in tempo reale della Protezione Civile dell’Emilia-
Previsione a 12 ore in Grazzanise con un modello di reti neurali con valutazione dell'incertezza.
Romagna sui fiumi Po e Reno, oltre ad essere stato Dati: livelli misurati alle stazioni di Solopaca e Amorosi
implementato e reso operativo nel sistema di previsione
dell’Ufficio Idrografico del Fiume Duero (Spagna). 500
Grazzanise Livello misurato
Grazzanise previsione a 12 0re livello
intervallo di fiducia 5%
400 intervallo di fiducia 95%
Livello Grazzanise (cm)
300
200
100
-100
-200
20-02-95 00:00
02-03-95 00:00
12-03-95 00:00
22-03-95 00:00
01-04-95 00:00
11-04-95 00:00
21-04-95 00:00
01-05-95 00:00
11-05-95 00:00
21-05-95 00:00
31-05-95 00:00
10-06-95 00:00
data