Abbiamo effettuato una prima analisi sui dati forniti per ora dall’unico sensore di pm10 installato dall’azienda in via Municipio.

L’esame ha riguardato solo i dati del mese di Novembre. Abbiamo lavorato sul set di dati di Novembre perché lo scopo principale del lavoro era soprattutto verificare se quello che veniva rilevato dal sensore acquistato era adatto ad essere elaborato da una rete neurale.

Il primo risultato ottenuto è la certezza che non solo i dati sono utilizzabili per un’elaborazione con tecniche di AI, ma che la rete neurale, addestrata con i dati della seconda quindicina di novembre, ha rivelato un’affidabilità nella predizione dei fenomeni di sforamento dei limiti superiore all’87%.

La rete neurale ha predetto correttamente  1877 eventi di non sforamento dei limiti e 308 eventi di sforamento dei limiti. Gli errori sono consistiti in 76 errate previsioni di non sforamenti e 237 errate previsioni di sforamenti.

Contrariamente a quanto ci suggeriva il semplice intuito, i due fattori che maggiormente incidono sulla presenza di eventi di sforamento dei limiti di pm10 sono il giorno della settimana e la percentuale di umidità.

Il primo grafico della prima slide che alleghiamo mostra la distribuzione dei fenomeni di sforamento dei limiti (in rosso) in base alle varie misure rilevate (poste nei qudrati della diagonale del grafico medesimo).

La seconda slide è incentrata sulla capacità della rete neurale di predire gli eventi che determinano lo sforamento dei valori limite. Il primo grafico della seconda slide esamina il rapporto tra fra allarmi veri (hit rate) e falsi allarmi. E’ possibile approfondire l’argomento al link seguente: https://it.wikipedia.org/wiki/Receiver_operating_characteristic.

Continueremo lo studio dei dati e, quando saranno disponibili i nuovi sensori, ne amplieremo lo studio mettendo in relazione anche i dati geografici con quelli presi in considerazione fin ad ora.

 

SLIDE 1:

 

 

 

 

 

 

 

 

 

 

SLIDE 2:

 

 

 

 

 

 

 

 

 

 

 

 

5 Condivisioni