L’intelligenza artificiale può aiutare il Consorzio ARICA

Nel corso delle “Giornate dell’Idrologia della Società Idrologica Italiana 2024”, che si sono tenute a Udine alla fine di giugno di quest’anno, alcuni ricercatori dell’Università di Padova e della I4 Consulting di Padova, hanno presentato un sistema predittivo basato su algoritmi di reti neurali ricorrenti (RNN) applicato ai cinque depuratori che scaricano nel collettore gestito dal Consorzio ARICA.

Questo lavoro che utilizza l’intelligenza artificiale ha permesso di integrare i dati misurati in tempo reale delle variabili necessarie a ottimizzare la gestione del collettore stesso con le proiezioni delle portate scaricate nel collettore ARICA con una prospettiva di 72 ore.

“Siamo fieri di poter integrare l’innovazione tecnologica nei nostri sistemi di gestione. – ha dichiarato Giorgio Gentilin, Presidente del Consorzio ARICA – Questo progetto dimostra come l’intelligenza artificiale possa essere una risorsa fondamentale per migliorare l’efficienza operativa e garantire una gestione sostenibile delle risorse idriche. Il nostro obiettivo è prevenire criticità e tutelare il territorio e la comunità che serviamo. Grazie alla collaborazione con realtà accademiche e scientifiche, il Consorzio ARICA conferma l’indirizzo di continua ricerca di soluzioni innovative.”

L’introduzione di sistemi d’intelligenza artificiale (AI) all’interno di catene modellistiche previsionali, tradizionalmente basate su conoscenze idrologiche e idrauliche, può infatti offrire un supporto fondamentale per la stima delle portate previste a breve termine. Le capacità dei modelli AI di estrarre complesse relazioni temporali dai dati possono infatti essere sfruttate a scopi previsionali, una volta che tali algoritmi siano stati allenati su un set di dati sufficientemente esteso.

Nello studio in questione, per ognuno dei cinque depuratori – Arzignano, Lonigo, Montebello Vicentino, Montecchio Maggiore e Trissino – il modello è stato addestrato su un set di dati storici di portata accoppiati ad altri parametri che influenzano le portate scaricate, come il giorno della settimana, l’ora, le precipitazioni o il mese e la stagione. In particolare è stato sviluppato uno specifico modello AI, basato su una tipologia di rete neurale ricorrente (RNN) nota come LSTM (Long Short-Term Memory).

L’addestramento e la validazione di ciascun modello AI hanno evidenziato ottimi indici di performance, con un grado di errore percentuale medio pari a 2% e a 6% rispettivamente per il training e il validation dataset.

Al modello sono state quindi forniti i dati osservati nelle 24 ore precedenti e le proiezioni meteo per le 72 ore successive. Si sono ottenuti in questo modo delle proiezioni delle portate scaricate da ciascun depuratore nel collettore con una prospettiva futura di 72 ore, con l’obiettivo di prevedere eventuali criticità in tempo utile ad attuare delle azioni di mitigazione.

Questo lavoro sperimentale illustra quindi uno strumento di efficace predizione della portata delle acque reflue in uscita dai depuratori serviti dal collettore Arica, e permette al Consorzio ARICA di essere in grado di anticipare potenziali situazioni critiche. Più in generale, lo studio mette in luce la possibilità d’integrare sistemi di predizione basati sull’intelligenza artificiale in ambito di modellazione idrologica e idraulica.