Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Machine learning to detect the onset of atmospheric convection |
|---|---|
| Titolo del progetto di ricerca in inglese | Data assimilation and machine learning to predict the onset of atmospheric convection |
| Campo principale della ricerca | Environmental science |
| Sottocampo della ricerca | Earth science |
| Campo principale della ricerca | Mathematics |
| Sottocampo della ricerca | Chaos theory |
| Settore Concorsuale | 04 - Scienze della Terra |
| S.S.D | - |
| Descrizione sintetica in italiano | La convezione atmosferica causa precipitazione intensa e localizzata, ed ha una genesi “esplosiva”: inizia e si sviluppa con grandissima rapidità. L’accensione della convenzione, la sua rapidità ed apparente casualità, sono tipici di fenomeni “intermittenti”: repentine mutazioni dello stato di un sistema verso un nuovo regime. Per prevedere un fenomeno intermittente è importante identificare i precursori che determinano il cambio di regime. Useremo modelli idealizzati di bassa dimensione, che permettono uno studio approfondito delle caratteristiche dinamiche e statistiche che precedono il salto di regime e investigheremo la presenza di precursori dinamici. L’uso dell’assimilazione dati permetterà di conoscere le misure, la densità spazio-temporale, necessarie per prevedere il salto di regime e/o i suoi precursori. In una seconda fase useremo i precursori per informare (training) un algoritmo di machine learning che preveda l’inizio del fenomeno convettivo. |
| Descrizione sintetica in inglese | Atmospheric convection causes intense and localized precipitation, and has an "explosive" genesis: it begins and develops very rapidly. The lighting of the convention, its rapidity and apparent randomness, are typical of "intermittent" phenomena: sudden changes in the state of a system towards a new regime. To predict an intermittent phenomenon it is important to identify the precursors that determine regime change. We will use low-dimensional idealized models, which allow an in-depth study of the dynamic and statistical characteristics that precede the regime jump and we will investigate the presence of dynamic precursors. The use of data assimilation will allow us to know the measures, the space-time density, necessary to predict the jump in regime and / or its precursors. In a second phase we will use the precursors to inform (training) a machine learning algorithm that predicts the onset of the convective phenomenon. |
| Data del bando | 01/12/2022 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
OTHER |
| Nazionalità dei candidati |
OTHER |
| Sito web del bando | https://bandi.unibo.it/ricerca/assegni-ricerca |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Criteri di selezione in italiano (breve descrizione) | il bando e la modulistica per partecipare alla procedura di valutazione comparativa sono disponibili all'indirizzo: https://bandi.unibo.it/ricerca/assegni-ricerca |
| Criteri di selezione in inglese (breve descrizione) | to apply for research grants fill out the form available at the following address: https://bandi.unibo.it/ricerca/assegni-ricerca |
| Nome dell'Ente finanziatore | ALMA MATER STUDIORUM - UNIVERSITA' DI BOLOGNA - - DIPARTIMENTO DI FISICA E ASTRONOMIA |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Bologna |
| Sito web | http://www.unibo.it |
| alberto.carrassi@unibo.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | H2020 |
|---|
| Data di scadenza del bando | 15/05/2023 |
|---|---|
| Come candidarsi | Other |