Vairo Tomaso

 Modelli di apprendimento automatico per la qualità dell’aria

Questo lavoro presenta un sistema predittivo avanzato per la qualità dell’aria, integrando reti bayesiane e Gradient Boosted Trees (GBT). Le reti bayesiane modellano le relazioni probabilistiche tra variabili ambientali per stimare i livelli di PM10, mentre i GBT offrono accurate previsioni sull’ozono (O₃), sfruttando dataset meteorologici e di monitoraggio. La combinazione di approcci probabilistici e machine learning consente una maggiore robustezza e interpretabilità, supportando decisioni informate per il controllo della qualità dell’aria.