Progetto W.I.S.E. – Wastewater Integrated System EnhancementRadarmeteo srl
W.I.S.E. è un software per la previsione delle alluvioni lampo (flash flood) e del conseguente comportamento dei sistemi idrici e fognari, che ha l’obiettivo di sviluppare un sistema di controllo in real-time delle acque di scarico, individuando le criticità puntuali e consentendo di migliorare notevolmente il comportamento della rete in presenza di eventi precipitativi intensi.
I risultati delle simulazioni modellistiche e dei test operativi permetteranno, su ogni area presa in considerazione (ed adeguatamente modellata e monitorata), non solo di sapere come si comporterà la rete esistente in situazioni di precipitazioni intense, ma anche di analizzarne il comportamento nella fase di ampliamento e/o di modifica, entrando quindi come elemento chiave anche nella fase di progettazione. Diverse sono le caratteristiche innovative di questo progetto, che lo differenziano da altre sperimentazioni simili:
- i dati immessi nel modello provengono, oltre che da strumenti standard (pluviometri delle stazioni meteorologiche al suolo), anche dal radar meteorologico e da sensoristica low-cost appositamente progettata per essere distribuita e posizionata lungo la rete;
- la modellistica (meteorologica ed idrologica) utilizzata nelle simulazioni è tra le più avanzate attualmente disponibili nel mercato;
- il sistema permette di confrontare diverse strategie di intervento sulla rete al fine di utilizzare quella che meglio si adatta allo scenario previsto.
Nell’ambito del progetto è stato elaborato un caso studio su di un’area pilota (Villaganzerla in provincia di Vicenza – nella foto), individuata grazie alla collaborazione con Acque Vicentine (www.acquevicentine.it), il quale ha prodotto alcuni risultati inerenti il rischio idraulico. WISE quindi permetterà, concretamente, di:
- ottimizzare il funzionamento ed il controllo delle reti esistenti;
- ridurre i costi di manutenzione delle reti;
- ridurre i costi di adeguamento delle reti;
- definire nuovi standard progettuali che integrino la possibilità di operare su nuove condizioni limite, per ridurre i costi di impianto;
- integrare gli output con altre tipologie di dato per la gestione delle future smart cities.
Il progetto è stato finanziato dall’UE, tramite la Regione Veneto, con DGR n. 2054 del 19 novembre 2013 all’interno del Programma Operativo Regionale (POR) parte FESR (2007-2013), obiettivo “Competitività Regionale e Occupazione (CRO)”, attuazione dell’Asse 5, Linea di intervento 5.1, Azione 5.1.1 “Cooperazione interregionale” – bando N. 2/2013 per “Contributi per il finanziamento di progetti di ricerca industriale e sviluppo sperimentale a carattere interregionale”.
Progetto W.I.S.E. – Wastewater Integrated System EnhancementRadarmeteo srl
W.I.S.E. è un software per la previsione delle alluvioni lampo (flash flood) e del conseguente comportamento dei sistemi idrici e fognari, che ha l’obiettivo di sviluppare un sistema di controllo in real-time delle acque di scarico, individuando le criticità puntuali e consentendo di migliorare notevolmente il comportamento della rete in presenza di eventi precipitativi intensi.
I risultati delle simulazioni modellistiche e dei test operativi permetteranno, su ogni area presa in considerazione (ed adeguatamente modellata e monitorata), non solo di sapere come si comporterà la rete esistente in situazioni di precipitazioni intense, ma anche di analizzarne il comportamento nella fase di ampliamento e/o di modifica, entrando quindi come elemento chiave anche nella fase di progettazione. Diverse sono le caratteristiche innovative di questo progetto, che lo differenziano da altre sperimentazioni simili:
- i dati immessi nel modello provengono, oltre che da strumenti standard (pluviometri delle stazioni meteorologiche al suolo), anche dal radar meteorologico e da sensoristica low-cost appositamente progettata per essere distribuita e posizionata lungo la rete;
- la modellistica (meteorologica ed idrologica) utilizzata nelle simulazioni è tra le più avanzate attualmente disponibili nel mercato;
- il sistema permette di confrontare diverse strategie di intervento sulla rete al fine di utilizzare quella che meglio si adatta allo scenario previsto.
Nell’ambito del progetto è stato elaborato un caso studio su di un’area pilota (Villaganzerla in provincia di Vicenza – nella foto), individuata grazie alla collaborazione con Acque Vicentine (www.acquevicentine.it), il quale ha prodotto alcuni risultati inerenti il rischio idraulico. WISE quindi permetterà, concretamente, di:
- ottimizzare il funzionamento ed il controllo delle reti esistenti;
- ridurre i costi di manutenzione delle reti;
- ridurre i costi di adeguamento delle reti;
- definire nuovi standard progettuali che integrino la possibilità di operare su nuove condizioni limite, per ridurre i costi di impianto;
- integrare gli output con altre tipologie di dato per la gestione delle future smart cities.
Il progetto è stato finanziato dall’UE, tramite la Regione Veneto, con DGR n. 2054 del 19 novembre 2013 all’interno del Programma Operativo Regionale (POR) parte FESR (2007-2013), obiettivo “Competitività Regionale e Occupazione (CRO)”, attuazione dell’Asse 5, Linea di intervento 5.1, Azione 5.1.1 “Cooperazione interregionale” – bando N. 2/2013 per “Contributi per il finanziamento di progetti di ricerca industriale e sviluppo sperimentale a carattere interregionale”.
CCI 2019 - Strumenti Azure per l'Anomaly Detection in ambito Industria 4.0walk2talk srl
Il rilevamento delle anomalie consiste nell'identificazione di eventi nei dati che risultano fuori del comportamento previsto, utilizzando metodi computazionali. Nelle industrie che avanzano verso la trasformazione digitale, lo scopo di questa tecnica non si limita solo alla manutenzione predittiva delle macchine, essendo anche estremamente utile ad esempio nel rilevamento di variazioni della domanda di prodotti, nell'individuazione di errori presenti nei dati aziendali, o nella scoperta di attività fraudolente, tra gli altri.
A causa di fattori come volume, frequenza e dimensione degli eventi anomali, il modo più pratico e intelligente di eseguire il rilevamento è tramite l'applicazione di algoritmi di machine learning.
In questa sessione vedremo come Azure facilita il rilevamento delle anomalie nei dati mettendo a disposizione diversi strumenti di intelligenza artificiale.
By Ariel Cedola
8° Presentazione del Workshop Finale del Progetto IPA/BC-Monitor
Il progetto IPA/BC-Monitor ha sviluppato un sistema innovativo, compatto e standalone, per la misura online di due componenti chiave del particolato atmosferico, IPA e BC.
Sito web del progetto: www.ipabcmonitor.it
Previsione della radiazione solare mediante modelli basati su reti neurali artificiali.
Tesi di Laurea di:
Claudio Leani
Relatore:
prof. Stefano Ferrari
Il progetto si propone di sviluppare una piattaforma software per l’ottimizzazione del progetto, della gestione e del controllo di sistemi e di reti energetiche intelligenti, sia convenzionali sia integrate con fonti rinnovabili, a servizio di distretti urbani ed edifici pubblici/commerciali. L’obiettivo principale è ridurre i consumi energetici, le emissioni di CO2 ed i costi, sfruttando le informazioni rese disponibili dai moderni sistemi di monitoraggio e utilizzando avanzati algoritmi di ottimizzazione ed intelligenza artificiale.
Principali filiere coinvolte: Edilizio, Fornitura di energia elettrica, gas, vapore e servizi energetici, Costruzione di edifici, Ingegneria civile, Lavori di costruzione specializzati, Software, Smart city, Servizi, IT
Sito web del progetto: www.efficity-project.it
Presentazioni e video: http://cerr.eu/what-s-going-on/357-materiali-dei-seminari-disponibili-online
DatiSME - software di monitoraggio ambientale | opus automazione spaopus automazione spa
DatiSME è il software per il monitoraggio ambientale, studiato e progettato da opus automazione spa. DATI SME realizza elaborazioni necessarie al confronto dei dati acquisiti con i limiti di legge ed è dotato di un modulo per la gestione di QAL2 e QAL3, secondo i parametri prescritti dalla UNI EN 14181/2015.
Per maggiori informazioni
www.opus-automazione.it
info@opus-automazione.it
Importazione e condivisione di dati tra un modello BIM e la simulazione energetica in regime dinamico che rappresenta oggi il migliore strumento per l'analisi delle prestazioni di un edificio
Utilizzo dei sensori su piattaforma Android. Presentazione del progetto sperimentale al fine di utilizzare i sensori integrati a bordo dei dispositivi mobili per il rilevamento dei precursori dei terremoti. Con la raccolta dei dati, sara' possibile confermare le teorie di base e definire un modello deterministico atto alla individuazione e previsione degli eventi sismici con un anticipo variabile dai 10 giorni alle 48 ore.
the Energy Audit - caso coop centrale adriaticaTheEnergyAudit
Presentazione del caso COOP Centrale Adriatica - viene presentata l'azienda the Energy Audit e l'utilizzo di sistemi di monitoraggio e di modelli energetici in campo manutentivo.
CCI 2019 - Strumenti Azure per l'Anomaly Detection in ambito Industria 4.0walk2talk srl
Il rilevamento delle anomalie consiste nell'identificazione di eventi nei dati che risultano fuori del comportamento previsto, utilizzando metodi computazionali. Nelle industrie che avanzano verso la trasformazione digitale, lo scopo di questa tecnica non si limita solo alla manutenzione predittiva delle macchine, essendo anche estremamente utile ad esempio nel rilevamento di variazioni della domanda di prodotti, nell'individuazione di errori presenti nei dati aziendali, o nella scoperta di attività fraudolente, tra gli altri.
A causa di fattori come volume, frequenza e dimensione degli eventi anomali, il modo più pratico e intelligente di eseguire il rilevamento è tramite l'applicazione di algoritmi di machine learning.
In questa sessione vedremo come Azure facilita il rilevamento delle anomalie nei dati mettendo a disposizione diversi strumenti di intelligenza artificiale.
By Ariel Cedola
8° Presentazione del Workshop Finale del Progetto IPA/BC-Monitor
Il progetto IPA/BC-Monitor ha sviluppato un sistema innovativo, compatto e standalone, per la misura online di due componenti chiave del particolato atmosferico, IPA e BC.
Sito web del progetto: www.ipabcmonitor.it
Previsione della radiazione solare mediante modelli basati su reti neurali artificiali.
Tesi di Laurea di:
Claudio Leani
Relatore:
prof. Stefano Ferrari
Il progetto si propone di sviluppare una piattaforma software per l’ottimizzazione del progetto, della gestione e del controllo di sistemi e di reti energetiche intelligenti, sia convenzionali sia integrate con fonti rinnovabili, a servizio di distretti urbani ed edifici pubblici/commerciali. L’obiettivo principale è ridurre i consumi energetici, le emissioni di CO2 ed i costi, sfruttando le informazioni rese disponibili dai moderni sistemi di monitoraggio e utilizzando avanzati algoritmi di ottimizzazione ed intelligenza artificiale.
Principali filiere coinvolte: Edilizio, Fornitura di energia elettrica, gas, vapore e servizi energetici, Costruzione di edifici, Ingegneria civile, Lavori di costruzione specializzati, Software, Smart city, Servizi, IT
Sito web del progetto: www.efficity-project.it
Presentazioni e video: http://cerr.eu/what-s-going-on/357-materiali-dei-seminari-disponibili-online
DatiSME - software di monitoraggio ambientale | opus automazione spaopus automazione spa
DatiSME è il software per il monitoraggio ambientale, studiato e progettato da opus automazione spa. DATI SME realizza elaborazioni necessarie al confronto dei dati acquisiti con i limiti di legge ed è dotato di un modulo per la gestione di QAL2 e QAL3, secondo i parametri prescritti dalla UNI EN 14181/2015.
Per maggiori informazioni
www.opus-automazione.it
info@opus-automazione.it
Importazione e condivisione di dati tra un modello BIM e la simulazione energetica in regime dinamico che rappresenta oggi il migliore strumento per l'analisi delle prestazioni di un edificio
Utilizzo dei sensori su piattaforma Android. Presentazione del progetto sperimentale al fine di utilizzare i sensori integrati a bordo dei dispositivi mobili per il rilevamento dei precursori dei terremoti. Con la raccolta dei dati, sara' possibile confermare le teorie di base e definire un modello deterministico atto alla individuazione e previsione degli eventi sismici con un anticipo variabile dai 10 giorni alle 48 ore.
the Energy Audit - caso coop centrale adriaticaTheEnergyAudit
Presentazione del caso COOP Centrale Adriatica - viene presentata l'azienda the Energy Audit e l'utilizzo di sistemi di monitoraggio e di modelli energetici in campo manutentivo.
Similar to A big data approach for error detection in weather data (Marco Venturini, Amigo Climate) (20)
CityOpenSource as a civic tech tool (Ilaria Vitellio, CityOpenSource)Data Driven Innovation
City{OpenSource} is a civic tech tool that uses collaborative mapping to create an alternative narrative of cities through user-generated cultural contributions. Users can geotag photos, videos, sounds and texts to tell stories about their urban experiences. The platform also aims to promote the reuse of unused buildings and spaces through ideas and projects proposed by citizens, cultural organizations, and events. It allows inhabitants to become "urban performers" by sharing their local knowledge and expertise to build a collective storytelling of their city.
Data driven economy: bastano i dati per avviare una start up? (Gabriele Anton...
A big data approach for error detection in weather data (Marco Venturini, Amigo Climate)
1. A Big Data approach for error detection
in weather data
SOON
Marco Venturini
2. • Chi è Amigo Climate
• Dati climatici e error detection
• Architetture e tecnologie
• Algoritmi e Machine Learning
• Deployment
• Risultati
SUMMARY
3. ABOUT US
Amigo è la prima SME italiana dedicata ai Servizi Climatici.
Il clima sta cambiando.
AdattarsiContrastare
4. ABOUT US
Amigo è la prima SME italiana dedicata ai Servizi Climatici.
Il clima sta cambiando.
AdattarsiContrastare
5. ABOUT US
Amigo è la prima SME italiana dedicata ai Servizi Climatici.
Consulenza e supporto decisionale.
Assicurazioni
Water Utilities
Energia
8. CHALLENGE
Sviluppare un framework di quality control delle osservazioni
climatiche attraverso un approccio Big Data, salvaguardando gli
eventi estremi
Free funding Tech and business
support
Work environment
Data
12. ARCHITETTURA
Apache NiFi
È una piattaforma integrata di
logistica dei dati per
automatizzare il movimento
di dati tra sistemi diversi.
Fornisce un controllo in
tempo reale che semplifica la
gestione dei movimenti di
dati tra qualsiasi sorgente e
qualsiasi destinazione.
Event Processor
14. MACHINE LEARNING
K-Means Clustering
• Aumento della precisione
predittiva
• Necessità di allenare K
modelli
• Parallelizzabile
• Facile da implementare
• Features adattabili
15. MACHINE LEARNING
Feature (!) Feature (!)
∑
Random Forest Regressor
Random Forest
• Versatile
• Alte prestazioni su grandi moli
di dati
• Parallelizzabile
• Efficiente su dataset non
bilanciati
• Robusto ad errori ed outliers
16. MACHINE LEARNING
24 osservazioni precedentiTemporal
Osservazioni dei primi 5 vicini disponibiliSpatial
Altre variabili scelte mediante analisi correlativaParametric
Predizione
17. TRAINING
Il dataset pilota consiste in osservazioni, più o meno omogenee, provenienti da stazioni meteorologiche e
dispositive IoT
• 7 variabili meteorologiche (temperatura, pressione atmosferica, wind speed, wind gust, accumulo
precipitativo, dewpoint temperature, nuvolosità).
• Metadati: posizione geografica e altitudine di ogni singola stazione
• Intervallo temporale: 2004-01-01 to 2014-11-08, con step di 1 ora.
• 9656 stazioni su tutta l’Europa.
• 80 milioni di dati osservati
• 210 GB di dati
18. COMPUTING
La predizione è comparata all’osservazione corrente
dove !"#$ è una approssimazione dell’errore minimo, calcolato sul training set, e % è il
modulo, & per quello temporale, ' per quello spaziale e ( per quello parametrico
#)* =
, − .,
3 0 !"#$
predictions scores
Ogni modulo ha fornisce il
proprio score -> indice di
errore
19. COMPUTING
Lo score finale è calcolato attraverso la media pesata. I pesi sono relativi all’affidabilità dei
modelli (sia per il cluster che per la tipologia di analisi)
final score
!" =
$%!"% + $'!"' + $(!"(
$% + $' + $(
Score maggiore a 1 -> Errore
24. CONTATTI
The Commercial team
has a strong
experience in
entrepreneurship,
commercialization,
business and product
design
The Technical team
has a strong
scientific
background and an
impressive
programming skills
based on previous
experience of the
members
Marco Venturini
Data Engineer
Sara Dal Gesso
Physicist
Marcello Petitta
CEO
Elisa Arnone
Scientist
Livia Ortolani
Economist
Brian Baldassarre
Strategic Designer
www.amigoclimate.com
info@amigoclimate.com
Vuoi entrare nel team?