Misurare onestamente quanto sismicità, termico e tremore aggiungano rispetto alla semplice storia degli eventi, senza imitare una previsione ufficiale.
3 · Cosa produce
Probabilità correnti e card separata delle metriche.
La prima immagine mostra gli orizzonti 24 ore e 5 giorni, la fonte selezionata e le modalità degradate. La seconda espone Brier score, baseline, modelli candidati e track record maturato.
4 · Come funziona
Dai dati geofisici alla probabilità selezionata.
5 · Dati utilizzati
| Fonte | Informazione | Feature principali | Controllo |
|---|---|---|---|
| INGV VONA / episodi | storia degli eventi | giorni dall’episodio, conteggi 30/90 giorni, Hawkes | audit etichette e record immutabili |
| FDSN | sismicità e tremore | conteggi per raggio, Benioff, profondità, RMS, slope, entropia, Hurst | cutoff point-in-time e ore valide |
| NASA FIRMS | anomalie termiche | FRP, conteggi, slope e giorni dall’hotspot | censura nuvole e NaN oltre la copertura |
| Open-Meteo | copertura nuvolosa | giorni validi e rapporto censurato | zero osservato distinto da missing |
Segnali fisici, complessità e regime
b-value Aki–Utsu, migrazione di profondità, strain di Benioff, stress regionale, FRP per giorno sereno, permutation entropy, Hurst-DFA, rapporto HF/VT e fase/regime degli episodi.
ML contro baseline forti
Elastic-net calibrata e LightGBM per modalità e combinazioni; climatologia, persistenza e processo Hawkes come baseline. Il modality gate seleziona per fold la sorgente meglio calibrata e dichiara quando il sistema usa il fallback.
Evidenza attuale: la storia degli eventi/Hawkes resta spesso la sorgente selezionata. Il valore incrementale delle modalità sismica, termica e tremore deve ancora dimostrarsi stabile fuori sequenza: il workflow pubblica anche questo esito negativo invece di nasconderlo.
Purged walk-forward
Episodi indivisibili, embargo temporale, holdout congelato, Brier score, calibrazione e confronto baseline. Le previsioni sono registrate ex ante e riconciliate quando l’esito matura.
Educativo e non operativo
I dati pubblici possono essere incompleti o ritardati; il campione positivo è limitato. Non è un bollettino INGV, non sostituisce le autorità e non va usato per sicurezza o protezione civile.
Possibili applicazioni del pattern
Nowcasting multimodale con fallback e scorecard.
Il pattern può supportare ricerca su eventi rari quando la disponibilità delle modalità varia e la baseline deve restare competitiva e visibile.
Componenti trasferibili
- tabella giornaliera point-in-time
- maschere di qualità e censura
- modality gate e graceful degradation
- previsioni immutabili e riconciliazione
Domande di ricerca
- incremento reale delle modalità
- calibrazione con eventi rari
- stabilità per episodio
- drift e completezza delle fonti
Dossier tecnico del workflow
IMPLEMENTATODescrive il comportamento presente nel repository.PROVVISORIOLa skill scientifica resta dipendente dal completamento dei dati e dal campione maturato.
AI/ML probabilistico, data engineering e MLOps.
Il repository privilegia correttezza temporale, baseline, calibrazione e failure mode rispetto alla complessità fine a sé stessa.
Architettura e dati
Feature e modelli
- Finestre 1/3/7/14/30 giorni, distanze geografiche e feature di copertura.
- LightGBM/scikit-learn, regressori e classificatori calibrati, baseline Hawkes.
- Blend e gate per orizzonte con scelta documentata della sorgente.
Validazione e governance
- Walk-forward purged, embargo e holdout; Brier score e scorecard live maturata.
- Self-test sintetico offline, pytest, Ruff, workflow YAML e cold-cache runtime test.
- Disclosure educativa, fonte autorevole INGV e post bilingui indipendenti.
Stack
- pandas, NumPy, SciPy, PyArrow, scikit-learn e LightGBM.
- requests, Beautiful Soup, pypdf e ObsPy opzionale per il tremore.
- Pillow, HTML/CSS, GitHub Actions e AT Protocol.
10 · Esecuzione
Run programmati e attivazione durante gli eventi.
- Stato: attivo · educativo · degradazione dichiarata
- Frequenza: lunedì, giovedì e domenica; run aggiuntivi durante eventi
- Output: card probabilità, metriche e dashboard
11 · Dettaglio tecnico
Come si calcola il Brier score?
Per ogni previsione probabilistica p e risultato osservato y ∈ {0,1}, il contributo è (p − y)²; il Brier score è la media sui casi maturati. Valori più bassi sono migliori. Il Brier Skill Score confronta il modello con una baseline: BSS = 1 − BS_modello / BS_baseline; è positivo solo quando il modello migliora realmente la baseline.
Perché usare Hawkes?
Modella l’auto-eccitazione temporale degli eventi e costituisce una baseline forte: il modello multimodale deve dimostrare valore incrementale fuori sequenza.
Che cos’è il modality gate?
Confronta le sorgenti candidate sui fold e seleziona quella meglio calibrata, includendo una baseline quando le modalità non aggiungono valore o sono incomplete.
Principale failure mode
Interpretare una probabilità educativa come allerta o confondere una buona calibrazione con la certezza dell’evento.
Vedi probabilità e metriche nello stesso post.
La galleria delle Pubblicazioni permette di passare tra le due immagini localizzate.