Reti neurali per la previsione di piene fluviali : i casi di Lura e Laveggio

High river water levels are an issue of great interest due to their directly connection with flood risks and Civil Protection. Flooding events lead to significant economic, environmental, social and human health impacts. The cooperation between flood forecasting services and institutions responsible for managing the water bodies can meaningfully contribute to limit these impacts. The thesis’s title reveals in advance the employed forecasting methods which are the neural networks. The thesis specifically concerns Lura and Laveggio rivers, respectively located in Lombardy and Swiss. Neural networks proved to be adopted in hydrological applications, especially in urbanized territorial settings. Lura and Laveggio rivers are representative cases showing impulsive river floods responses. Several neural networks architectures and performance indicators are applied to define the accuracy of water river level predictions one hour beforehand. Firstly, as regards Lura river, autoregressive Feed-Forward and Long-Short-Time Memory neural networks are carried out. These models are defined reliable owing to their ability to predict extreme events within the next thirty minutes. Successively, the possibility to integrate an exogenous information will be considered in the second part of this thesis. This information consists of rainfall data by radar systems. This section has the purpose of assessing preliminary the potential contribution to the predictions provided by the exogenous information for Lura and Laveggio rivers. This study is addressed to future researches and pushes them to integrate radar data in the case of Laveggio river. The exogenous information indeed could provide significative improvements to flood events predictions. Also as regards Lura river, rainfall data by radar systems show a potential extreme events predictions improvement. However, a limited availability of data did not make an appropriate validation possible. In addition, an improved predictions reliability has to take into account radar data processing and acquisition phases efforts in order to obtain real-time applications.

Le piene fluviali sono argomento di grande interesse per la loro diretta relazione con il rischio alluvionale e con il campo della protezione civile. Gli eventi di esondazione conducono a significativi impatti economici, ambientali, sociali e sulla salute umana. La comunicazione tra i servizi di previsione delle alluvioni e gli organismi responsabili della gestione dei corpi idrici può contribuire a ridurre considerevolmente i relativi danni. Il titolo della tesi “Reti Neurali per la previsione di piene fluviali: i casi di Lura e Laveggio” già definisce gli strumenti utilizzati per la predizione delle piene fluviali nel caso dei torrenti Lura, in Lombardia occidentale, e Laveggio, in Canton Ticino. Le reti neurali risultano avere interessanti applicazioni in campo idrologico soprattutto in relazione a contesti territoriali urbanizzati. Il torrente Lura e il torrente Laveggio, ne risultano casi rappresentativi in quanto caratterizzati da interessanti risposte impulsive alle piene. La tesi applica diverse architetture di reti neurali e diversi indicatori di prestazione per la previsione delle portate un’ora in anticipo. La prima parte del lavoro implementa reti neurali Feed-Forward e Long-Short-Time Memory di tipo autoregressivo per il torrente Lura: i modelli risultano predire con buona affidabilità eventi estremi entro i successivi trenta minuti. Si considera quindi di valutare l’integrazione di un’informazione esogena. Nella seconda parte della tesi si esegue una valutazione preliminare del potenziale contributo alle previsioni fornito da dati pluviometrici estratti da letture radar. Questa valutazione si svolge in corrispondenza di entrambi i torrenti Lura e Laveggio. Il presente elaborato indirizza le ricerche future all’integrazione del dato radar in corrispondenza del torrente Laveggio. L’informazione esogena risulta poter contribuire significativamente alla predizione degli eventi di piena. Anche per quanto concerne il torrente Lura, il dato pluviometrico da radar mostra un potenziale miglioramento previsionale. Tuttavia, la ridotta disponibilità di dati non consente un’adeguata validazione dei modelli e l’aumento di affidabilità delle previsioni deve essere valutato anche in relazione allo sforzo di acquisizione e processamento dei dati radar utile alle applicazioni in real-time.