This thesis analyzes and predicts the trend of historical air pollutant series in the city of Padua, comparing the effectiveness of parametric and nonparametric approaches. Specifically, the Reg-ARIMA and Reg-TBATS models are used to interpret the impact of weather-climate and temporal variables (seasonality, Holiday Effect). In parallel, the nonparametric k-NN (k-Nearest Neighbors) algorithm is tested to evaluate its flexibility in capturing complex local dynamics based on historical similarity, while having less explanatory power. The ultimate goal is to identify the model with the highest predictive accuracy. Anticipating critical peaks from current legal limits and European targets for 2030 provides a crucial tool for local authorities, enabling the adoption of timely precautionary measures to protect public health and the environment.

Questo lavoro di tesi analizza e prevede l’andamento delle serie storiche degli inquinanti atmosferici nella città di Padova, confrontando l'efficacia di approcci parametrici e non parametrici. Nello specifico, i modelli Reg-ARIMA e Reg-TBATS vengono impiegati per interpretare l'impatto delle variabili meteo-climatiche e temporali (stagionalità, Holiday Effect). In parallelo, viene testato l'algoritmo non parametrico k-NN (k-Nearest Neighbors) per valutarne la flessibilità nel catturare dinamiche locali complesse basate sulla similarità storica, a fronte di una minore capacità esplicativa. L'obiettivo finale è identificare il modello con la massima accuratezza previsiva. Anticipare i picchi critici rispetto ai limiti di legge attuali e ai target europei per il 2030 fornisce uno strumento cruciale per le autorità locali, consentendo l'adozione di misure precauzionali tempestive a tutela della salute pubblica e dell'ambiente.

Modellazione e previsione della concentrazione degli inquinanti atmosferici a Padova

CRISAFULLI, SIMONE
2025/2026

Abstract

This thesis analyzes and predicts the trend of historical air pollutant series in the city of Padua, comparing the effectiveness of parametric and nonparametric approaches. Specifically, the Reg-ARIMA and Reg-TBATS models are used to interpret the impact of weather-climate and temporal variables (seasonality, Holiday Effect). In parallel, the nonparametric k-NN (k-Nearest Neighbors) algorithm is tested to evaluate its flexibility in capturing complex local dynamics based on historical similarity, while having less explanatory power. The ultimate goal is to identify the model with the highest predictive accuracy. Anticipating critical peaks from current legal limits and European targets for 2030 provides a crucial tool for local authorities, enabling the adoption of timely precautionary measures to protect public health and the environment.
2025
Modeling and forecasting of air pollutant concentrations in Padua
Questo lavoro di tesi analizza e prevede l’andamento delle serie storiche degli inquinanti atmosferici nella città di Padova, confrontando l'efficacia di approcci parametrici e non parametrici. Nello specifico, i modelli Reg-ARIMA e Reg-TBATS vengono impiegati per interpretare l'impatto delle variabili meteo-climatiche e temporali (stagionalità, Holiday Effect). In parallelo, viene testato l'algoritmo non parametrico k-NN (k-Nearest Neighbors) per valutarne la flessibilità nel catturare dinamiche locali complesse basate sulla similarità storica, a fronte di una minore capacità esplicativa. L'obiettivo finale è identificare il modello con la massima accuratezza previsiva. Anticipare i picchi critici rispetto ai limiti di legge attuali e ai target europei per il 2030 fornisce uno strumento cruciale per le autorità locali, consentendo l'adozione di misure precauzionali tempestive a tutela della salute pubblica e dell'ambiente.
Serie storiche
Qualità dell'Aria
Modelli predittivi
Modelli parametrici
File in questo prodotto:
File Dimensione Formato  
Crisafulli_Simone.pdf

accesso aperto

Dimensione 3.57 MB
Formato Adobe PDF
3.57 MB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/115390