Recentemente è stato sviluppato uno studio che esplora l'utilizzo di modelli open source IBM specifici per le serie temporali al fine di monitorare i livelli di marea nella Laguna di Venezia. Prevedere le alte maree nella Laguna di Venezia è fondamentale per le sfide che questa città unica al mondo deve quotidianamente fronteggiare. Le maree influenzano infatti numerosi aspetti della vita cittadina, con impatti significativi in particolare sulla sicurezza e sul turismo.

Il principale aspetto di attenzione è legato alla sicurezza dei cittadini e delle infrastrutture: eventi estremi, come le maree eccezionali, rappresentano una minaccia concreta per edifici storici, attività economiche e abitazioni. Monitorare e prevedere questi fenomeni aiuta a coordinare interventi preventivi, come l’attivazione del sistema MOSE, garantendo una protezione efficace contro i danni.

Rispetto al turismo consideriamo che Venezia è una delle mete più visitate al mondo, e le alte maree possono causare l’allagamento delle zone più iconiche, come Piazza San Marco, limitando l'accessibilità ai monumenti e incidendo negativamente sull'esperienza dei visitatori. Previsioni accurate consentono di avvisare tempestivamente i turisti e di adottare misure per garantire che la città resti accessibile e accogliente.

Lo studio utilizza il concetto delle serie temporali, ovvero insiemi di dati raccolti in ordine cronologico, come, ad esempio, temperature rilevate ogni ora o prezzi di azioni registrati giornalmente. Grazie alla capacità di utilizzare le relazioni temporali nei dati, l’analisi delle serie trova applicazione in diversi ambiti, come le previsioni meteorologiche, l’analisi finanziaria o la gestione dell'inventario.

Oltre ai modelli statistici di previsione tradizionali, l’avvento del machine learning e dei modelli di deep learning ha aperto nuove possibilità. Tra queste, alcuni foundation models, come il Granite Time Series Tiny Time Mixer (TTM) di IBM, semplificano l’accesso alle tecnologie di previsione e ne migliorano la precisione.

Nel caso della Laguna di Venezia, la previsione dei livelli di marea è un esempio ideale di applicazione. I dati storici disponibili e i cicli prevedibili delle maree, combinati con variabili meteorologiche, permettono ai modelli di fornire previsioni più accurate e complete.

Lo studio è volto a dimostrare come strumenti di questo tipo possano semplificare l'accesso alle tecnologie di previsione, permettendo anche a piccole e medie imprese, con conoscenze statistiche limitate, di trarre vantaggio dalla conoscenza del proprio settore in modo semplice ed efficace.

Inoltre, questi modelli possano essere facilmente utilizzati attraverso la piattaforma IBM watsonx, semplificando il processo e garantendo ulteriori benefici, come una gestione più controllata e sicura dell’intelligenza artificiale.

I dati utilizzati nell’ambito di questo studio provengono da ISPRA Servizio Laguna di Venezia, ente specializzato nel monitoraggio dei livelli marini nella laguna, che li mette a disposizione sul proprio sito web. Una volta scaricati, i dati sono stati integrati in un unico dataset per garantire una visione coerente e omogenea delle informazioni relative alle variabili di interesse (livello acqua, pressione atmosferica, pioggia e vento). Su questo dataset è stata eseguita una prima fase di data cleaning, con particolare attenzione alla gestione dei valori nulli e alla rimozione di eventuali anomalie.

A valle della fase di preparazione dei dati, sono stati condotti due esperimenti selezionando punti temporali casuali e confrontando i risultati delle previsioni ottenute sia utilizzando il modello pre-addestrato (zero-shot) che il modello ottimizzato attraverso fine-tuning.

Senza la pretesa di rappresentare uno studio scientifico rigoroso sul fenomeno fisico, i risultati ottenuti dimostrano che il modello fine-tuned ha raggiunto una buona accuratezza nelle previsioni relative all’esperimento. Sviluppi futuri potrebbero includere l'integrazione di ulteriori fattori, come fenomeni astronomici o attività sismica, e una valutazione comparativa con altri modelli di previsione per identificare i punti di forza e di debolezza di ciascun approccio.

Per accedere all’articolo completo e avere maggiori informazioni sulla metodologia adottata : https://medium.com/@david.proietti_17/predicting-venetian-lagoon-tide-levels-with-multivariate-time-series-modeling-8bafdf229588

Paolo Bianchini, David Proietti, Matteo Rinalduzzi