Modellazione e previsione del livello di marea a Venezia: un confronto tra k-NN e mSARIMA

La complessità del fenomeno mareale a Venezia, dovuta alla presenza simultanea di più componenti stagionali e all’irregolarità dei cicli, rende la previsione del livello di marea un problema di crescente attualità. In questa tesi si propone un confronto tra due approcci previsivi: il modello mSARIMA, un’estensione dei modelli SARIMA in grado di captare la presenza di stagionalità multipla, e l’algoritmo k-nearest neighbors (k-NN), uno dei più noti approcci non parametrici applicati alla previsione di serie temporali. Dopo un breve approfondimento sul fenomeno delle maree e un’analisi esplorativa dei dati, sono state stimate differenti specificazioni di modelli mSARIMA, selezionate sulla base dei criteri informativi (AIC, BIC) e della capacità di catturare le componenti stagionali multiple. Parallelamente, l’algoritmo k-NN è stato applicato variando parametri di distanza e numero di vicini, valutando la sensibilità delle prestazioni rispetto a tali scelte. La bontà dei modelli è stata verificata mediante analisi dei residui e misure di accuratezza previsiva (RMSE, MAE) in un contesto di validazione out-of-sample. Il confronto ha permesso di ottenere indicazioni utili sulla complementarità dei due approcci, evidenziando potenzialità e limiti nell’ambito della modellazione statistica di serie temporali.