Machine learning e idrologia: premiata la ricerca di un dottorando del DIATI
Dal 29 giugno al 1° luglio 2026, presso il Centro Didattico Morgagni dell’Università degli Studi di Firenze, si sono tenute le Giornate dell’Idrologia della Società Idrologica Italiana, l'appuntamento annuale di riferimento per la comunità scientifica nazionale che opera nel campo dell'idrologia. In questa cornice è stato assegnato il Premio “Paolo Bernardi”, sostenuto da CAE S.p.A. in memoria di uno dei suoi fondatori, con l’obiettivo di sostenere progetti di ricerca e innovazione nel campo dell’idrogeologia.
Giunto alla sua terza edizione, il premio è stato conferito dal Presidente di CAE S.p.A., Guido Bernardi, a Giulio Paradiso, dottorando del Dipartimento di Ingegneria dell'Ambiente, del Territorio e delle Infrastrutture-DIATI, e Mohammad Rasoul Sedaghat Rad, dottorando dell’Università degli Studi di Catania, per il progetto “SHAPE-EWS: Synthetic Hyetograph Approximation of Precipitation Events for Pluvial Flood Early Warning System”.
“Il progetto nasce da un lavoro di ricerca che sto svolgendo per il mio dottorato sulle forme delle precipitazioni e degli eventi che ne derivano. – spiega Giulio Paradiso – Successivamente la ricerca si è evoluta tramite il contributo di Mohammad Rad dell'Università di Catania, sull'applicazione di metodi di machine learning.”
Questi metodi saranno fondamentali per l'analisi di grandi dataset come quelli di Sicilia e Piemonte, due regioni scelte per testare il metodo in area con regimi climatici differenti.
Tramite l'avanzamento metodologico, che permetterà l'analisi di dati geomorfologici e pluviometrici ad alta risoluzione, sarà possibile creare un database di eventi pluviometrici fisicamente basati e sito specifichi da poter applicare in un nuovo sistema di allerta preventiva.
Per il secondo anno consecutivo, il Premio "Paolo Bernardi" valorizza un progetto che vede protagonista il DIATI. Nell'edizione 2025 il riconoscimento era stato assegnato all’assegnista di ricerca Giulia Evangelista del DIATI e al ricercatore Francesco Alongi dell’Università degli Studi di Palermo per il progetto “PIX2PEAKS - Velocimetria tramite immagini per supportare la stima del tempo di corrivazione in bacini idrografici non monitorati”.