Applicazione di analisi statistica multivariata, Rete Neurale Artificiale e metodo euristico per la valutazione della suscettibilità da sinkhole nella piana di S. Vittorino (RI)

La piana di S. Vittorino, localizzata ai confini tra il Lazio e l'Abruzzo in provincia di Rieti, ed è probabil- mente l'area del Lazio con la maggiore densità di sinkhole, nonché quella che presenta i rischi maggiori per la presenza di importanti strutture Termali (Terme di Colilia) ed infra- strutture (SS Salaria). L'area studiata è caratterizzata larga- mente da formazioni carbonatiche, con sviluppati processi carsici, e ricade nella zona di convergenza di quattro unità tettoniche, caratterizzate da una differente evoluzione paleo- geografica, da un diverso stile deformativo e separate tra loro da elementi strutturali di importanza regionale. La valuta- zione della suscettibilità da sinkhole nella piana è stata effet- tuata attraverso l'applicazione di un'analisi statistica multivariata, un metodo euristico e una procedura di Artificial Neural Networks. Le peculiarità degli sprofondamenti nella piana di S. Vittorino sono principalmente relative ai processi di deep piping, che si sviluppano per risalita delle acque attra- verso le faglie e le fratture che dislocano il substrato carbo- natico, provocando la mobilizzazione e l'erosione dal basso dei depositi continentali sovrastanti, cui si aggiungono gli ef- fetti dei processi di dissoluzione legati alla risalita di H2S e CO2 attraverso le stesse dislocazioni. Tali processi subiscono degli incrementi rilevanti in occasione di eventi sismici o di eventi meteorici di notevole intensità. Le prestazioni dei modelli di previsione sono state valutate utilizzando curve ROC. I risultati mostrano che la procedura Artifcial Neural Network fornisce una precisione più affidabile; il modello euristico bivariato e statistico multivariato, invece, presentano accuratezza notevolmente scarsa. Evidentemente il metodo euristico non riesce a restituire dei risultati previsionali performanti perché il fenomeno non è ben noto, ma le reti neurali artificiali pur riuscendo ad interpretare molto bene i fenomeni complessi non rendono note le relazioni che legano le variabili dipendente e indipendenti.