Tecniche di Machine Learning per analisi dati geodetici GNSS ad alta frequenza: applicazioni alla stima dei rischi infrastrutturali e sismici

Alte competenze Pascucci 2018

Abstract

Il rapido evolversi delle tecnologie di posizionamento satellitare ha consentito di disporre di strumenti capaci di rilevare posizioni con grande precisione: essi vengono utilizzate già largamente nell’ambito degli studi per la geodinamica o il monitoraggio di frane e stanno diventando di interesse sempre crescente nel monitoraggio di strutture civili e industriali. Il quadro nazionale conta più di 600 Stazioni GNSS (Global Navigation Satellite Systems) permanenti le cui osservazioni contribuiscono allo studio dell’evoluzione geodinamica del territorio. Normalmente, per massimizzare le precisioni raggiungibili, la stima di posizione viene erogata con cadenza giornaliera. Tali tecnologie però possono arrivare a produrre dati di interesse anche in tempo reale (alle frequenze di 1Hz, ed in taluni casi fino a 20Hz) e quindi particolarmente utili nell’ambito di sistemi di early warning. Ogni singola stazione con il tempo colleziona una enorme quantità di dati geodetici nella forma di serie temporali tridimensionali. Questi dati appaiono rilevanti sia per lo sviluppo di tecnologie innovative per il monitoraggio delle grandi strutture sia per l’analisi degli eventi sismici. Le serie temporali in generale contengono molteplici tipologie di segnali e di rumore e non sempre una modellizzazione classica (basata su metodi deterministici) consente di evidenziare anomalie riconducibili a criticità di varia natura. Le nuove metodologie di analisi dati, basate su approcci probabilistici alla individuazione di anomalie presenti nelle serie temporali, possono quindi costituire un valido strumento per la prevenzione di criticità strutturali: in particolare, il paradigma dei Big Data basato su volume e velocità (con cui vengono acquisiti o aggiornati i dati) è chiaramente utile in tale ambito. Il progetto di formazione alla ricerca intende avvalersi delle competenze complementari del gruppo di ricerca in Probabilità e Statistica del Dipartimento di Matematica, rappresentato dal prof. Andrea Pascucci, e del gruppo di ricerca in Geomatica del Dipartimento di Ingegneria Civile, Chimica, Ambientale e dei Materiali (DICAM), rappresentato dal prof. Stefano Gandolfi. Il progetto intende avvalersi anche della collaborazione della società di ricerca e sviluppo Leithà srl del gruppo UnipolSai che ha espresso interesse per le tematiche di ricerca in quanto anomalie, situazioni estreme e tendenze di grandezze geodetiche sono rilevanti ai fini della definizione di appropriate coperture assicurative; inoltre i dati geodinamici possono fornire informazioni utili per prevenire o mitigare possibili rischi strutturali e sismici.  

Dettagli del progetto

Responsabile scientifico: Andrea Pascucci

Strutture Unibo coinvolte:
Dipartimento di Matematica

Coordinatore:
ALMA MATER STUDIORUM - Università di Bologna(Italy)

Partner:
Leithà s.r.l. (Italy)

Contributo totale di progetto: Euro (EUR) 86.743,44
Durata del progetto in mesi: 36

Loghi degli enti finanziatori