Guardare al futuro per proteggere il passato: una nuova prospettiva di conservazione con la modellazione predittiva.

L’intelligenza artificiale ha assunto un ruolo fondamentale negli ultimi vent’anni, influenzando vari settori con risultati più accurati e costi ridotti. Questa tesi esplora l’applicazione di tecniche di analisi e correlazione dei dati tramite intelligenza artificiale, con l’uso di regressione a media mobile per la predizione della vita utile di edifici storici soggetti a degrado strutturale. L’approccio è applicato alla Torre Garisenda, utilizzando dati pubblici su inclinazione, condizioni idrogeologiche, clima, temperatura e umidità. Il primo capitolo introduce il contesto generale, mentre il secondo si concentra sul concetto di intelligenza artificiale e la sua evoluzione nel tempo. Il terzo capitolo descrive il caso studio della Torre Garisenda, trattando la storia, le caratteristiche costruttive, eventi eccezionali, restauri e condizioni attuali. Il quarto capitolo analizza i fondamenti del machine learning, distinguendo tra apprendimento supervisionato, non supervisionato e apprendimento con rinforzo. Il quinto capitolo espone le motivazioni e gli obiettivi della ricerca, introducendo la modellazione predittiva e le sue applicazioni. Nel sesto capitolo vengono proposti due modelli predittivi: il primo prevede l’inclinazione della torre su base annuale, il secondo anticipa i movimenti del pendolo lungo gli assi x e y. Nonostante i dati limitati, i risultati evidenziano il potenziale dei modelli se integrati con ulteriori strumenti di rilevazione. Il capitolo conclusivo discute le implicazioni future dell’uso dei modelli predittivi e le prospettive per lo sviluppo.