Precipitazioni estreme: studio sulle previsioni metereologiche a breve termine tramite modelli di diffusione

L’aumento degli eventi metereologici estremi è una realtà sempre più evidente, confermata dalle osservazioni degli ultimi anni. La previsione di tali fenomeni pone sfide significative, richiedendo tecniche avanzate per un’analisi accurata, indispensabile per mitigarne l’impatto. I metodi di previsione metereologica, che includono sia approcci numerici sia basati sui dati, incontrano spesso difficoltà nel determinare con precisione la posizione e la tempistica degli eventi estremi. In particolare, i modelli fisici tradizionali risultano meno efficaci nelle previsioni a breve termine, dove la rapidità dei cambiamenti atmosferici richiede approcci più adattivi e reattivi. Questa tesi si concentra sull’applicazione dell’intelligenza artificiale generativa, con particolare attenzione ai modelli di diffusione, per la previsione di precipitazioni intense. Sono state esplorate diverse strategie per migliorare le prestazioni di un modello reale attraverso esperimenti sui parametri e sulle previsioni; inoltre, sono state esaminate le funzioni di perdita e le metriche di valutazione applicate agli eventi estremi. Vengono discussi i limiti degli approcci attuali e proposte possibili direzioni future per il progresso nel campo della metereologia.