• deep learning
• riverflow forecasting
• flood

La tesi indaga l'applicabilità di modelli di deep learning LSTM-ED per la previsione idrometrica in piccoli bacini idrografici con tempi di deflusso superficiale ridotti. In particolare, i corpi idrici studiati sono il lago di Massaciuccoli e il fiume Versilia (Toscana nord-occidentale, Italia) a supporto della convenzione stipulata dall'università col Consorzio di Bonifica 1 per la prevenzione da inondazioni e per l'efficientamento idrico e energetico. Tali modelli saranno disponibili da subito e utilizzati per prevedere il livello idrometrico fino a 6 ore in avanti, che garantirà alle autorità competenti di operare con anticipo e maggiore sicurezza, in un contesto dove i modelli fisici non sono disponibili o sono poco accurati.

The thesis investigates the applicability of LSTM-ED deep learning models for hydrological forecasting in small watersheds with reduced surface runoff times. In particular, the water bodies studied are Lake Massaciuccoli and the Versilia River (northwestern Tuscany, Italy), in support of the agreement between the university and Consorzio di Bonifica 1 for flood prevention and water and energy efficiency. These models will be available immediately and used to predict water levels up to 6 hours in advance, providing competent authorities with the ability to operate in advance and with greater security in a context where physical models are not accurate and challenging to apply.