
Soluzioni AI Simularia
Filiera Intelligenza Artificiale
Provided by
Soluzioni AI Simularia

Cos'è
Utilizziamo tecniche di Machine Learning per integrare e migliorare le soluzioni di modellistica fisica numerica applicate allo studio della dispersione degli inquinanti in atmosfera in ambito previsionale, epidemiologico, ecc. e ottenere campi di concentrazione di inquinanti ad alta risoluzione.
Provided by
Soluzioni AI Simularia

Problema
La realizzazione di accurati campi di concentrazione di inquinanti atmosferici al suolo ad alta risoluzione spaziale e temporale è richiesta in molteplici ambiti. È quindi necessario aumentare la risoluzione dei tradizionali modelli di chimica e trasporto oltre le scale tipiche del kilometro.
Soluzione
L’applicazione combinata dei modelli di chimica e trasporto e dei modelli ML (Random Forest, XGBoost) addestrati con le misure delle centraline di rilevamento della qualità dell’aria consente di aumentare la accuratezza dei campi di concentrazione e di incrementarne la risoluzione spaziale.
Servizi aggiuntivi
Consulenza
Mercati di applicazione
Pubblica Amministrazione
Sanità e Servizi Sociali
Maturità soluzione
Disponibile sul mercato