Previsioni metereologiche a breve termine attraverso modelli a diffusione

In questa tesi viene descritto lo stato dell'arte delle tecniche di machine learning applicate al campo della meteorologia e viene presentata un'implementazione di un Denoising Diffusion Model che possa effettuare previsioni a breve termine, fino a tre ore, delle precipitazioni totali su una determinata area. Tale approccio permette di utilizzare una ridotta quantità di informazioni provenienti da ERA5, sfruttare agevolmente la tecnica ensemble grazie alla stocasticità intrinseca dei modelli considerati e ottenere i risultati in una frazione di tempo rispetto a quanto richiesto dai modelli fisico-matematici, una volta superata la fase di training. Grazie al supercomputer Leonardo sia il condizionamento sia altre metriche tipiche del machine learning sono state ottimizzati attraverso numerosi esperimenti. Le analisi svolte hanno indagato le precipitazioni totali, con un'ulteriore attenzione rivolta a quelli considerati estremi. I risultati sono stati messi a confronto con lavori svolti in precedenza e si mostrano incoraggianti verso l’uso delle tecniche presentate.