Applicazione di tecniche di Machine Learning alla determinazione di distanze di sicurezza per la dispersione di nubi tossiche

Questo lavoro di tesi è stato sviluppato in parte nell’ambito di un tirocinio presso l’Università Politecnica della Catalogna a Barcellona, e il suo scopo è quello di applicare un modello di Machine Learning al fine di determinare le distanze di sicurezza relative ad uno scenario incidentale all’interno di uno stabilimento chimico. In primo luogo, è spiegato cosa sono le distanze di sicurezza nell’ambito della sicurezza nell'industria di processo. Vengono esaminate a riguardo normative europee e nazionali che individuano metodi e valori soglia in grado di definire le distanze di sicurezza. Tali distanze sono informazioni essenziali per produrre il Piano di Emergenza Esterno di uno stabilimento chimico. Viene poi approfondito il metodo per effettuare un’analisi di rischio o di sicurezza, il cui scopo è quello di valutare le conseguenze di incidenti ritenuti verificabili all’interno di un preciso stabilimento. Esistono software specifici per modellare e valutare le conseguenze di un incidente, ad esempio il software ADAM (Accident Damage Analysis Module). Un modello di Machine Learning contiene algoritmi capaci di apprendere direttamente dai dati senza essere stato preventivamente programmato. Per la fase di applicazione del modello di Machine Learning, quindi, è stato in primis costruito un database con le simulazioni effettuate dal software. Il database è costituito da input e output, dove gli input sono delle variabili che riguardano lo scenario incidentale e gli output sono le distanze di sicurezza relative all’area di intervento e di allerta, come richiesto dalla legislazione catalana. All’interno della tesi è messo in luce tutto il processo che ha portato all’individuazione e alla produzione dei dati contenuti nel database, fino ad arrivare all’ultimo step di applicazione del modello di Machine Learning. Il modello utilizzato in questo caso di studio è il Random Forest Classifier, un modello di classificazione scelto dalla libreria del sito scikit-learn.org.