Sviluppo di un algoritmo di tipo self-learning ( multilayer perceptron ) per la riduzione di un modello fisicamente basato del carico di nutrienti veicolato dal bacino della laguna veneta

Questo lavoro di tesi si inserisce in un progetto di collaborazione iniziato nel 2005 tra il Politecnico di Milano (DIIAR, Sezione Ambientale), l’Università Ca’ Foscari di Venezia e ARPA Veneto. In questa fase specifica si è proceduto al confronto dello scenario emerso dallo studio dei dati storici (1980-1990) con quello successivo alla riqualificazione degli impianti di depurazione (scenario attuale, anni 1998-2009) e alla simulazione di altri tre scenari che prevedono la riduzione dei carichi puntuali (scenario BAT) e diffusi (scenario con riconversione della SAT a prato e a foresta). Per queste simulazioni si è usato il modello fisicamente basato ArcSWAT (Soil and Water Assessment Tool). Il lavoro si è in seguito svincolato dal progetto di ARPA Veneto e si è verificata la possibilità di riprodurre il modello fisicamente basato tramite un algoritmo di tipo self-learning (Multilayer Perceptron, MLP) che rendesse l’implementazione degli scenari meno lunga e onerosa. La rete neurale (MLP), costruita dapprima per lo scenario attuale, ha “imparato a ragionare” sui dati, per trovare le relazioni che legano gli input agli output, e ha poi applicato quanto appreso agli altri scenari già studiati con SWAT (“scenario storico” e “BAT”). Si è potuta così evitare la lunga implementazione “bacino per bacino” richiesta da SWAT acquisendo dei risultati, a scala di intero bacino scolante, del tutto coerenti con quelli ottenuti col modello fisicamente basato. Emerge infatti, da entrambi i metodi di stima, come sia limitato, nel bilancio totale dei carichi, il peso degli inlet di tipo puntuale rispetto ai carichi apportati dai canali e dalle risorgive. Lo studio degli stessi scenari con due metodi di stima diversi ha dato la possibilità di capire la reale affidabilità di entrambi i modelli, poiché essi usano un meccanismo computazionale completamente diverso. A scala di intero bacino scolante le stime fatte con i due metodi sono del tutto confrontabili. Il MLP risulta, invece, meno preciso nelle simulazioni “bacino per bacino” e negli scenari che prevedono una piccola variazione dei carichi in ingresso, dimostrando comunque di seguire il trend dei risultati ottenuti con SWAT.