Reti neurali per la previsione di portata: un modello modulare basato sulla separazione degli idrogrammi

Si presenta un’applicazione di modelli basati su reti neurali per la previsione di portata in tempo reale. In particolare, si esplora la possibilità di diversificare i modelli di previsione in base alla specifica situazione idro-meteorologica, mettendo a punto un insieme di modelli che siano calibrati con l’obiettivo di riprodurre diversi tipi di comportamento idrologico. Non si ha quindi un unico modello afflussi-deflussi ma un insieme di moduli, da applicare a seconda della situazione meteorologica che corrisponde ad ogni particolare istante di previsione. Per la classificazione delle situazioni idrometeorologiche che caratterizzano ogni istante di previsione è stato applicato un metodo innovativo basato su reti neurali non supervisionate di tipo SOM (Self-Organising Mapping). Per ogni tipo di situazione idrometeorologica, e quindi per ogni classe individuata dalla rete SOM, è stato poi calibrato un diverso modello di previsione afflussi-deflussi, basato sull’uso di reti neurali di tipo supervisionato feedforward. La modellazione modulare proposta è stata applicata in riferimento ad un caso di studio relativo al bacino del fiume Sieve, per il quale sono state valutate le previsioni di portata ottenibili per anticipi temporali variabili da 1 a 6 ore. La classificazione ottenuta con la rete di tipo SOM ha permesso di identificare adeguatamente i diversi rami dell’idrogramma che corrispondono alle possibili situazioni idrometeorologiche. Per quanto riguarda la previsione di portata in tempo reale, l’approccio modulare, basato sulla distinzione di diverse situazioni idrometorologiche, ha consentito un sensibile miglioramento delle prestazioni in validazione rispetto all’uso di un unico modello di previsione.