L'Enea mette in campo nuove tecnologie per il controllo della qualità delL'aria.
La novità porta con se L'utilizzo delle reti neurali della Stazione ATMOSFERA per la qualità delL'aria in città.
Presentate ufficialmente in occasione del convegno: "Qualità delL'aria nelle città italiane", le stazioni intelligenti sono in grado di tenere sotto controllo L'inquinamento urbano e di prevedere con tre giorni di anticipo situazioni di emergenza.

Con la Stazione ATMOSFERA, L'ENEA ha sviluppato una tecnologia di avanguardia che realizza previsioni certe attraverso un modello di elaborazioni matematiche di tipo intelligente che utilizza le reti neurali, in grado di combinare insieme elementi di fisica, meteorologia, ambiente, machine learning e di statistica.  

Il sistema di reti neurali è in grado di prevedere i livelli di concentrazione in aria degli inquinanti rilevati dalle centraline di monitoraggio della qualità delL'aria (CO, SO2,  O3, PM10, NO2, benzene), elaborando le serie storiche degli stessi inquinanti, le variabili meteorologiche già rilevate e le previsioni meteo a breve.  

L'adozione di questo sistema previsionale da parte delle Amministrazioni Comunali delle grandi città permette di disporre di un supporto tecnologico automatico finalizzato ad orientare le scelte degli interventi di prevenzione da mettere in atto per scongiurare il verificarsi di situazioni atmosferiche critiche con un anticipo di  tre giorni, nonché fornisce dati certi per un corretto controllo della qualità delL'aria e per L'adozione di soluzioni migliorative.

Il modello è, infatti,  in grado di prevedere sia eventi di superamento dei valori critici, che di discernere tra situazioni di criticità costante (come per il PM10) e situazioni di eccedenze sporadiche (come accade per L'ozono).

Questo modello predittivo a reti neurali si dice  "intelligente" perché è in grado, attraverso L'addestramento al quale viene periodicamente sottoposto, di apprendere e migliorare la conoscenza necessaria per effettuare le previsioni migliorandone sempre più L'efficacia. Infatti le previsioni si ottengono utilizzando anche i dati ricavati dL'apprendimento. L'apprendimento è stato organizzato sulL'elaborazione dei dati meteo e di qualità delL'aria rilevati nella finestra temporale degli ultimi quattro mesi, ai quali vengono combinati anche i dati relativi ad eventi di superamento dei valori critici verificati negli ultimi anni.

In questo modo è stato possibile ottenere un maggiore  adattamento del modello predittivo ai cambiamenti meteo-diffusivi migliorando la sua capacità di apprendimento e di previsione. Manu Mich. – clickmobility.it