Il 21 ottobre 2021 Omnitech ha partecipato alla ICFRIR 2021: 15. International Conference on Flood Recovery, Innovation and Response, una conferenza virtuale nella quale abbiamo presentato l’articolo “Machine Learning Methods for Flood Hazard Mapping“. Il saggio scientifico riguardava il nostro progetto SeVaRa, nello specifico la possibilità di stimare la pericolosità alluvionale di una regione con tecniche di Machine Learning (ML).
L’obiettivo dell’articolo è scovare una dipendenza tra dati orografici e relativi al suolo e l’incidenza di eventi alluvionali. Attraverso l’utilizzo di reti neurali e opportuna feature engineering specializzata sul campo di interesse (geo-ingegneria), l’algoritmo mira a stimare la probabilità che, stante una grande quantità d’acqua in arrivo, una certa zona sia più o meno prona ad essere “alluvionata”.
L’algoritmo è un punto di partenza della ricerca che ha come ulteriore scopo il miglioramento dell’accuratezza dello stesso utilizzando un set di dati più strutturato costruito da fonti convalidate, oltre ad essere un precursore per uno sviluppo di un indice di Rischio alluvionale, che non può prescindere da una stima della Pericolosità alluvionale qui trattata.
L’evento è stata un’ottima occasione per presentare gli sviluppi del progetto SeVaRa oltre che una grande opportunità di scambio di idee, informazioni e contatti.
Articolo a cura di
Zappacosta, S., Bove, C., Marinelli, M. C., di Lauro, P., Spasenovic, K., Ostano, L., Aiello G & Pietrosanto, M. (2021). Machine Learning Methods for Flood Hazard Mapping. International Journal of Humanities and Social Sciences, 15(10), 899-916.
0 commenti