Fisica computazionale applicata alla modellistica ambientale

Le conoscenze delle proprietà statistiche delle variabili meteo-climatiche sono di fondamentale importanza nello studio delle fonti di energia rinnovabile, nella valutazione dell'impatto ambientale, negli studi di fattibilità di impianti che sfruttano l'energia solare ed eolica, nella costruzione di cellule fotovoltaiche, ecc. Con riferimento alla produzione di energia eolica, è necessario avere informazioni sulla velocità e sulla direzione del vento; queste possono essere ricavate descrivendo il moto delle masse d'aria mediante modelli idrodinamici basati sulle equazioni di Navier-Stokes. Tali modelli deterministici si sono dimostrati spesso insufficienti a causa dell’impossibilità di includere nel modello tutti i dettagli microscopici del processo fisico, e della natura caotica della dinamica sottostante. Per superare queste difficoltà sono stati avviati studi sulle proprietà statistiche delle serie temporali della velocità e della direzione del vento allo scopo di costruire modelli capaci di effettuare previsioni. Lo scopo della ricerca è di applicare allo studio delle proprietà statistiche del vento i metodi della fisica statistica che sono stati utilizzati efficacemente per descrivere sistemi complessi, come cellule, reazioni chimiche, reti di trasporti, ecc. Attualmente la nostra ricerca è limitata alla Sicilia e parte dall’analisi delle serie storiche dei dati di variabili meteo-climatiche registrate dall’ITAV e dal Servizio Informativo Agro-Meteorologico Siciliano (SIAS) della Regione Sicilia per il periodo 2003-2011. In particolare,avrà come obiettivo l'analisi della struttura delle correlazioni delle velocità e delle direzioni orarie del vento registrate dal SIAS. L’analisi sarà condotta associando una distanza metrica a ciascuna coppia di stazioni basata sulla cross correlation della velocità del vento. Utilizzando l’algoritmo di clustering gerarchico Nearest Neighbor Single Linkage sarà possibile filtrare le correlazioni più rilevanti ed ottenere un dendrogramma ed una rete. Questa analisi consentirà di raggruppare le stazioni di rilevamento del SIAS in clusters dove le proprietà statistiche del vento sono simili. Sulla base di questi raggruppamenti saranno sviluppati modelli stocastici (SARIMA) per previsioni a breve termine sia su singole stazioni che su più stazioni dello stesso cluster. Utilizzando i dati di un cluster si costruirà, inoltre, un modello multivariato (VARIMA) e le previsioni ottenute saranno confrontate con quelle del modello univariato (SARIMA).