Sommario

La predizione dei valori delle concentrazioni di inquinanti atmosferici rappresenta un problema di rilevante interesse sia in zone urbane che industriali quale valido supporto alle decisioni. In questo contributo viene considerata l’opportunità di utilizzare tecniche neurali per l’identificazione di modelli per la predizione di inquinanti atmosferici. In particolare vengono riportati alcuni risultati di predizione a breve e medio termine riferiti ai seguenti inquinanti: 03, NMHC, NO2, NOx. tipici del ciclo fotolitico dell’azoto. I risultati ottenuti mostrano una buona capacità delle tecniche neurali per la modellizzazione dei fenomeni in questione anche rispetto a modelli di predizione di tipo autoregressivo tradizionalmente impiegati. La possibilità di utilizzare reti neuro-fuzzy consente poi di unire alle peculiarità delle reti neurali quelle della logica fuzzy, consentendo l’estrazione automatica di basi di regole nella consueta forma “if … then …” che rappresentano una forma trasparente di modellizazione dalla quale è possibile trarre utili indicazioni per l’analisi dei fenomeni o per ulteriori integrazioni attingendo al proprio bagaglio di conoscenze.

Introduzione

L’atmosfera è caratterizzata da un equilibrio di sostanze e gas molto delicato. Normalmente i meccanismi naturali sono in grado di smaltire e riciclare molte delle sostanze dannose per gli esseri viventi. L’insieme dei qua1i costituisce il cosiddetto “inquinamento naturale”. A questo però si aggiunge l’inquinamento d’origine antropica che è concentrato particolarmente in aree urbane o industriali e non si diffonde nell’intera atmosfera per la presenza di salti termici o di barriere naturali. Ciò comporta un vero e proprio accumulo di sostanze particolarmente nocive in alcune ore del giorno o addirittura in alcune stagioni, fortemente caratterizzato sia dalle condizioni meteorologiche che dalla presenza di inquinanti primari molto reattivi tra di loro. Il presente lavoro, lungi dal voler rappresentare uno studio di complessi fenomeni di inquinamento dell’aria, per i quali si rimanda a resti specifici sull’argomento [1], si prefigge essenzialmente di focalizzare sull’utilità di impiegare le tecniche neurali per la identificazione di modelli di predizione a breve termine. Tra le numerose possibilità di studio di inquinamento, in questo lavoro si è preso in considerazione la modellizzazione degli inquinanti prodotti dall’alterazione del cosiddetto ciclo fotolitico dell’N02 dovuto alla presenza di idrocarburi (NMHC) rilasciati nell’atmosfera i quali favoriscono l’accumulo di NO2 e ozono (O3). La modellistica di fenomeni di inquinamento atmosferico presenta una certa difficoltà a causa delle influenze di numerose variabili esterne (es. temperatura, umidità, direzione e velocità del vento etc.), della presenza di effetti di tempo varianza e di non linearità che rendono talvolta il processo di identificazione difficoltoso con le tecniche tradizionali. In letteratura si trovano diversi approcci per la modellistica dei fenomeni di inquinamento atmosferico, fondamentalmente riconducibili o all’uso di codici di calcolo basati sull’equazione della diffusione [2] o a metodi d’identificazione parametrica mediante modelli stocastici di tipo ARX o ARMAX. Il primo dei due approcci menzionati richiede la conoscenza di molti dati, spesso non reperibili (es. concentrazioni degli inquinanti emessi, parametri atmosferici in quota, condizioni al contorno ecc..) che lo rende di difficile applicazione pratica e trova fondamentalmente impiego nella modellizzazione di fenomeni di inquinamento su larga scala. Il secondo degli approcci citati è molto più agevole del primo. Tuttavia a causa della citata complessità dei fenomeni in gioco, la predizione effettuata sulla base di modelli ARX o ARMAX, seppure utilizzando i concetti di ciclostazionarietà e/o adattività, può talvolts risultare poco affidabile. Appare quindi giustificata la ricerca di tecniche di calcolo più innovative, quali appunto quelle neurali che consentano di superare alcune delle difficoltà sopra citate. In questa nota vengono utilizzate delle reti neurali di tipo PMS (Perceptroni Multistrato) per l’identificazione di modelli di predizione delle concentrazioni di inquinanti. Le prestazioni ottenute con questo approccio vengono messe a confronto con quelle dei tradizionali modelli ARX. Viene inoltre considerata l’opportunità di utilizzare delle reti di tipo neuro-fuzzy che com’è noto consentono di descrivere il legame tra le variabili d’ingresso e quelle d’uscita di un assegnato processo mediante un insieme di regole di tipo if ….. then. Queste ultime risultano molto più espressive dell’insieme dei pesi delle interconnessioni tra i neuroni di una rete neurale di tipo PMS e possono essere utili a vari scopi. Sarà infatti possibile un’analisi dei fenomeni in gioco e un esperto potrà effettuare una integrazione della base di regole traendo conoscenze dal proprio “bagaglio” o semplicemente effettuare un “tuning” delle regole stesse, analogamente a quanto avviene in taluni sistemi di controllo.

Giuseppe Nunnari, Cristian Randieri, Angelo Nucifora, Luigi Occhipinti

Giornata di studio su “Applicazione del Soft-Computing al Controllo di Processo e dell’Ambiente”, Firenze, Aprile 1997, pp. 32-44.

L’ANIPLA (Associazione Nazionale Italiana Per L‘Automazione) fu costituita il 20 febbraio 1956, su iniziativa dell’allora Presidente dell’U.N.I., Ing. Carlo Rossi e di altri studiosi. L’associazione, esclusa ogni finalità di lucro e considerata tra le più valide associazioni tecniche e scientifiche operanti in Italia, si propone di favorire e divulgare in Italia la conoscenza, lo studio e l’applicazione dell’Automazione, considerandola nei suoi diversi aspetti tecnologici, economici e sociali. L’ANIPLA è organizzata sulla base di Sezioni territoriali, che operano nell’ambito geografico su cui hanno competenza con autonomia gestionale e amministrativa, nei limiti previsti dallo Statuto. Attualmente, sono attive e operanti le sezioni di Milano, Palermo, Torino.