Portal de Periódicos da CAPES

Analysis and prediction of groundwater level time series with Autoregressive Linear Models

2016; Volume: 39; Linguagem: Italiano

10.3301/rol.2016.59

2035-8008

Mirko Ginocchi, G Crosta, Marco Rotiroti, Tullia Bonomi,

Hydrological Forecasting Using AI

L'obiettivo del lavoro è la ricerca di nessi causativi tra sequenze di dati idrologici (piezometrie e precipitazioni) mediante modelli lineari di tipo autoregressivo e a media mobile (ARMA). Tali dati derivano da un pozzo e da una stazione meteorologica situati nella Provincia di Cremona, e sono relativi al periodo Gennaio 1951-Dicembre 1998.Nel modello proposto, la sequenza pluviometrica è l'ingresso di un sistema dinamico lineare a tempo discreto, mentre la sequenza piezometrica è la sua uscita: il valore corrente di piezometria è così determinato dalla combinazione lineare di piezometrie e pluviometrie passate.Dopo una fase preliminare di analisi statistica delle sequenze (nei domini di tempo e frequenza), il modello ARMA è stato utilizzato dapprima per ricostruire le sequenze piezometriche disponibili e identificare i parametri della combinazione lineare, e poi per operare la previsione delle piezometrie: calcolando il residuo di previsione (tramite il confronto di piezometria predetta e misurata), e caratterizzandolo statisticamente si è valutata la capacità predittiva del modello.I risultati hanno mostrato che il predittore costruito presenta un errore quadratico di predizione relativamente piccolo. Nonostante ciò, dall'analisi del residuo emerge che il predittore costruito non riesce a descrivere in maniera accurata tutte le proprietà del processo piezometrico. Questo può essere dovuto al fatto che la grandezza impiegata come ingresso del sistema dinamico (precipitazione) non è l'unica voce che concorre al bilancio idrogeologico.