Modelli a rete neurale

L’incontro si articolerà in due seminari:

 

Modelli a rete neurale per applicazioni climatiche e di impatto

Antonello Pasini (CNR, Istituto sull’Inquinamento Atmosferico, Roma)

Il clima e i suoi cambiamenti vengono oggi investigati soprattutto mediante i Global Climate Models (GCMs) e i Regional Climate Models (RCMs), modelli dinamici che descrivono il sistema climatico a partire dalle equazioni fondamentali dei suoi sottosistemi accoppiati. Recentemente, modelli di tipo data-driven sono stati sviluppati e applicati a problemi climatici, in maniera sia alternativa che complementare ai modelli suddetti. In questo breve seminario si illustra un modello a rete neurale (particolarmente adatto allo studio di piccoli dataset) nella sua applicazione a problemi di attribution climatica e all’ottenimento di scenari locali tramite downscaling di modelli dinamici. Ciò consente, in particolare, di ottenere informazioni essenziali per studi di impatto sul dissesto del territorio in cui la forzante meteo-climatica sia un fattore essenziale.

 

Un modello a rete neurale per il downscaling statistico delle previsioni stagionali

Stefano Amendola (Dipartimento di Matematica e Fisica, Università di Roma Tre, Roma)

Negli ultimi anni le previsioni stagionali stanno suscitando un interesse crescente da parte dei principali centri meteorologici e di ricerca in tutto il mondo, per ambiti che vanno dall’industria all’agricoltura, fino a scopi di protezione civile per gli impatti sul territorio. Tale tipologia di previsione è possibile attraverso un approccio probabilistico applicato a modelli accoppiati atmosfera-oceano simili a quelli utilizzati per le previsioni a breve scadenza. Per ovviare a problemi  insiti in questi modelli dinamici, quali una carente risoluzione spaziale ed una rappresentazione lacunosa di alcuni meccanismi fisici fondamentali a determinate scale temporali, sono nati metodi di downscaling (sia statistici che dinamici) da applicare ai loro output. In questo breve seminario ci si concentra su un sistema statistico per il downscaling delle previsioni stagionali il cui fulcro è basato su di un modello a rete neurale. Dopo l’illustrazione delle caratteristiche del sistema, saranno mostrati degli esempi di funzionamento sull’Italia ottenuti mediante applicazione del sistema statistico sugli output del modello di previsioni stagionali System4, attualmente in uso presso l’European Centre for Medium-Range Weather Forecasts (ECMWF).