Approcci statistici per la modellizzazione e previsione della concentrazione di ossigeno disciolto nella SmartBay di Santa Teresa = Statistical methods for modelling and forecasting dissolved oxygen concentration in the Santa Teresa SmartBay

Gli oceani e i loro ecosistemi sono tra gli habitat naturali che risentono maggiormente dei cambiamenti climatici. Un indicatore determinante del loro stato di salute è l’ossigeno disciolto in acqua, fondamentale per il metabolismo aerobico degli organismi marini. La presente tesi si inserisce nel contesto del progetto "SmartTwin: Oxygen Digital Twin di Smart Bay S. Teresa”, finanziato dalla Fondazione CRT di Torino, a cui partecipano l’Istituto Nazionale di Ricerca Metrologica (INRiM) e il Centro Ricerche Ambiente Marino S. Teresa (ENEA) di Lerici in provincia di La Spezia. L'obiettivo del progetto è quello di realizzare un gemello digitale della baia, in grado di replicare e prevedere le dinamiche e le variabili ambientali locali dell'ecosistema. Questo è possibile grazie all'analisi dei dati provenienti da alcuni sensori disposti nella baia. Le misurazioni, a cadenza oraria, comprendono diversi parametri oltre alla concentrazione di ossigeno disciolto, tra cui temperatura dell'acqua, pressione e salinità. Inoltre, la stazione metereologica di ENEA fornisce dati atmosferici quali la temperatura dell'aria, l'intensità della radiazione solare e le precipitazioni. Per l'elaborazione e la manipolazione dei dati raccolti, il focus principale di questa tesi sarà sull'analisi delle serie temporali, e a tal proposito sarà fornito un background matematico. Successivamente, si procederà con la spiegazione e i risultati ottenuti dai metodi statistici utilizzati per la modellizzazione e la previsione dei dati: il modello SARIMA (Seasonal AutoRegressive Integrated Moving Average), e il modello Prophet. Il modello SARIMA è un’estensione del modello ARIMA, progettata per gestire andamenti periodici o stagionali. Il modello Prophet, sviluppato da Meta, adotta invece un approccio basato sulla scomposizione della serie temporale nelle sue principali componenti: il trend, ovvero la tendenza a lungo termine, la stagionalità, il rumore bianco e le cosiddette "holidays", degli eventi anomali che non seguono un pattern preciso ma che possono influenzare i valori della serie. In particolare, nella dinamica locale della baia, sono state considerate come holidays i giorni di piena dei fiumi Arno e Magra, che sfociano nelle vicinanze della baia, e i giorni in cui la radiazione solare è particolarmente bassa. Questo perchè l'ossigeno disciolto non è solo il risultato dell'interazione delle variabili fisiche, ma dipende fortemente dal ciclo di fotosintesi da parte del fitoplancton, presente in baia. Per valutare le performance di tali approcci, sia nel caso univariato che nel caso multivariato, ovvero con l'aggiunta di regressori, sono state valutate le previsioni ottenute su un intervallo temporale di 3 giorni considerando diverse metriche di errore e i tempi di addestramento dei modelli. I risultati mostrano che le prestazioni dei modelli SARIMA e Prophet sono comparabili in termini di accuratezza predittiva, con un miglioramento significativo quando vengono inclusi i regressori. Tuttavia, Prophet si distingue per una maggiore efficienza computazionale, rendendolo particolarmente adatto a scenari in cui è richiesto un aggiornamento frequente delle previsioni.