Esplorazione dell'uso di tecniche di machine learning per lo sviluppo di un processo di downscaling nel Mar Mediterraneo

Abstract

Le aree costiere sono ambienti altamente dinamici e mutevoli, che mostrano un'ampia variabilità temporale e spaziale in risposta all'azione di diversi e complessi processi costieri legati essenzialmente all'azione di onde, correnti, livello del mare e venti. La caratterizzazione del moto ondoso richiede la conoscenza di serie temporali a lungo termine dei parametri d'onda in una particolare località. La principale tecnica utilizzata per stimare il valore dei parametri d'onda in prossimità della costa è il "wave downscaling". In particolare, nell'ultimo decennio si è sviluppata sempre più la tecnica del downscaling ibrido, che combina strumenti matematico-statistici e modellazione numerica. Essa consente di simulare un numero limitato di stati marini per ottenere dati costieri ad alta risoluzione di parametri marini interesse procedendo poi alla ricostruzione di serie temporali continue. I due principali tipi di tecniche utilizzate per la ricostruzione sono funzioni di interpolazione, come la RBF (Radial Basis Function) e tecniche di apprendimento automatico, come la ANN (Artificial Neural Network). Lo scopo del lavoro svolto è valutare l'applicabilità delle tecniche ANN lungo la costa andalusa e confrontare i risultati ottenuti con quelli ottenuti tramite RBF. Per validare i risultati ottenuti sono state utilizzate due boe che fanno parte della rete costiera, la boa di Almeria e la boa di Cabo de Gata. L'implementazione di tecniche ANN per la ricostruzione ha restituito una stima più accurata del parametro dell'altezza d'onda significativa (Hs) per la boa di Cabo de Gata. Anche dal punto di vista del tempo computazionale, la tecnica che utilizza le reti neurali è coerente in quanto paragonabile all' RBF. È stato verificato come la tecnica di ricostruzione con ANN sia migliorativa soprattutto nella stima dei valori più estremi del parametro, con conseguenti implicazioni sulla progettazione costiera.

Coastlines are highly dynamic and changing environments that show large temporal and spatial variability in response to the action of different and complex coastal processes essentially linked to waves, currents, sea level and winds. Natural hazards in coastal areas have been rising dramatically in recent years. The characterization of wave climate requires long-term time series of wave parameters at a particular location. The main technique used to estimate the value of wave parameters near the coast is "wave downscaling". In particular, the technique of hybrid downscaling, which combines mathematical-statistical tools and numerical modeling, has been increasingly developed in the last decade. It allows a limited number of marine states to be simulated to obtain high-resolution coastal data of key marine parameters and then proceed to reconstruct the time series.

Two main types of techniques used for this reconstruction are interpolation functions, such as RBF (Radial Basis Function) and machine learning techniques, such as ANN (Artificial Neural Network). The purpose of the work performed is to evaluate the applicability of ANN techniques along the Andalusian coast and compare the results obtained with those obtained through RBF. Two buoys that are part of the coastal network, the Almeria buoy and the Cabo de Gata buoy, were used to validate the results obtained.

The implementation of ANN techniques for reconstruction returned a more accurate estimate of the significant wave height (Hs) parameter for the Cabo de Gata buoy. Also from a computational time perspective, the technique using neural networks is consistent in that it is comparable to RBF. It was verified how the ANN reconstruction technique is improved especially in estimating the most extreme parameter values, with consequent implications on coastal design.