• CNN
• ConvLSTM
• Convolutional LSTM
• Convolutional Neural Network
• deep learning
• deep neural network
• forecasting
• LaMMA
• Long Short-Term Memory
• LSTM
• neural networks
• precipitazioni
• prediction
• predizione
• previsione
• rainfall
• reti neurali
• SIR

Lo scopo di questa tesi è la ricerca e l’implementazione di predittori, tramite reti neurali ad architettura profonda, che siano in grado di prevedere in modo accurato la quantità di precipitazioni giornaliere in determinati luoghi della Toscana, di cui si hanno a disposizione le previsioni fornite dal consorzio LaMMA. Per fare ciò si è partiti dal preprocessing dei dati pluviometrici, reperibili via web dal sito del Servizio Idrologico Regionale (SIR) della Toscana, e dei dati previsionali di LaMMA, che sono stati riportati alla forma di semplici serie temporali.
Prima dell’implementazione dei suddetti predittori è stata fatta un’analisi della correlazione tra i dati pluviometrici e quelli delle previsioni di LaMMA, in modo da valutarne l’accuratezza, andando anche a vedere il comportamento nei giorni più piovosi.
Successivamente sono stati implementati diversi tipi di reti neurali ad architettura profonda per prevedere la pioggia caduta giornalmente e sono state valutate le loro prestazioni per determinare quale sia quella che modella meglio il fenomeno preso in esame.