Previsione della concentrazione di PM10 con una rete neurale a grafo

In this study a graph neural network (GNN) is employed to realize a temporal and spatial prevision of PM10 concentration for the next day on a part of the total area of Lombardy. Graph neural network is a model whose goal is to determine the PM10 concentration, starting from a number of data referred to the current day. These data are the inputs of the network. PM10 is a pollutant very dangerous for health. It is also known as atmospheric particulate matter and it caused more than 400000 deaths in 2018 in Europe. The model is generated with measures provided by the regional environment protection agency (ARPA) of Lombardy. In this study primarily data are imported as inputs and a structure for the neural network is defined. Then, the model is calibrated and validated in order to adapt results to measurements carried out by ARPA. In the end graph neural network is compared with another model that fulfills the same function, whose complexity is bigger in terms of computational burden. This model is the one implemented by ARPA for its previsions. This comparison is done to highlight the differences between models and to understand if GNN is able to represent with a good approximation PM10 concentration in the area of interest.

In questo studio viene utilizzata una rete neurale a grafo (GNN) per effettuare la previsione temporale e spaziale della concentrazione di PM10 del giorno successivo su una parte del territorio della regione Lombardia. La rete neurale a grafo è un modello matematico il cui scopo in questo caso è quello di determinare la concentrazione del PM10 a partire da alcuni dati riferiti al giorno attuale che prende in ingresso. Il PM10, noto anche come particolato atmosferico, è un inquinante che è presente nell’aria ed è molto dannoso per la salute umana. Si stima che i decessi legati alla sua presenza in atmosfera siano stati più di 400000 in Europa nel solo 2018. Il modello viene generato con i rilevamenti eseguiti dall’agenzia regionale per la protezione dell’ambiente (ARPA) della regione Lombardia. All’interno dello studio vengono riportati i dati in ingresso necessari, viene determinata la struttura del modello e sono effettuate le fasi di calibrazione e validazione della rete neurale a grafo che permettono di adattare i risultati forniti dalla GNN alle osservazioni effettuate da ARPA. Infine la rete neurale a grafo viene confrontata con un altro modello che svolge lo stesso compito, quello di ARPA Lombardia, la cui complessità da un punto di vista computazionale è maggiore rispetto a quella della GNN. Lo scopo di questa comparazione è evidenziare le differenze tra i due modelli e capire se la rete neurale sia in grado di rappresentare con una buona approssimazione la concentrazione di PM10 nell’area di interesse.