Ricerc@Sapienza

Il Progetto qui proposto è focalizzato sull'utilizzo dell'Intelligenza Artificiale, meglio nota come Artificial Intelligence (AI), per l'analisi di grandi moli di dati acquisiti da sistemi di monitoraggio multi-parametrici applicati alla mitigazione del rischio da frana. L'obiettivo principale si focalizza sulla definizione di un nuovo approccio di analisi per la comprensione intelligente, tramite lo sviluppo di algoritmi di machine learning (ML) di tipo Artificial Neural Network (ANN), delle relazioni di causa-effetto vigenti tra azioni forzanti un sistema fisico naturale, oggetto di monitoraggio, e le deformazioni in esso indotte e per la previsione di fenomeni di frana. Le deformazioni a carico di un oggetto potenzialmente instabile, perturbato da forzanti di natura periodica/aperiodica, possono essere la combinazione di una deformazione elastica e una anelastica. Su quest'ultima si basano le analisi di rischio frana in quanto aliquote parziali non recuperabili possono comportare fenomeni di instabilità. In un'ottica di concatenazione degli effetti, le prime possono essere considerate precursori di deformazioni a più grande scala che, se cumulate nel tempo, sono in grado di concorrere alle condizioni di rottura (failure). I sistemi di monitoraggio multi-parametrici usualmente impiegati sono costituiti sia da sensori da contatto sia da sensori da remoto, abili a monitorare nel tempo la risposta all'azione di forzanti. In questa proposta, i dati di monitoraggio verranno trattati attraverso reti neurali, opportunamente concettualizzate (designing), addestrate (training) e verificate (validation). Ai fini del presente progetto, per la ANN verranno utilizzate serie storiche di monitoraggio acquisite in campi sperimentali già operativi presso il Dip. di Scienze della Terra (DST), in continua acquisizione, che permettano la costruzione di serie temporali di occorrenza di effetti deformativi precursori e che siano in grado di identificare l'insorgenza di eventi di frana.