Applicazione di analisi statistica multivariata, Rete Neurale Artificiale e metodo euristico per la valutazione della suscettibilità da sinkhole nella piana di S. Vittorino (RI)

San Vittorino plain is located on the northeastern boundary of the Lazio region. It is probably the area within the Lazio Region with the highest density of sink- holes and that presents the highest risk because of the presence of concentrated important structures and infrastructure. The study area is mainly characterized by carbonate forma- tions, with developed karst processes and wherefore tectonic units, defined by a different paleogeographic evolution and separated by regional importance structural elements, con- verge. The sinkhole susceptibility evaluation in the plain was carried out through the application of a multivariate statistical analysis, a heuristic method and a procedure Artificial Neural Networks. The subsidence phenomena in the San Vittorino plain are mainly related to deep piping processes, that caused ground- water movement through faults and fractures that displace the carbonate bedrock. The upward migration of deep seated fluids caused the mobilization and erosion of the shallower continental deposits to which the effects of the dissolution process related to the presence of high content of H2S and CO2 are added. These processes significantly increase during seismic events or high intensity rainfall events. The performance of the predictive models was evaluated using ROC curves. The results show that the Artificial Neural Networks procedure provides a more reliable accuracy; instead, the heuristic model by using bivariate and multivariable analysis have greatly a limited accuracy. Obviously, the heuristic method fails to provide the expected results of the performance because the phenomenon is not known, but the artificial neural networks even if successful to interpret very well the complex phenomena not disclose the relationships between the dependent and independent variables.

La piana di S. Vittorino, localizzata ai confini tra il Lazio e l'Abruzzo in provincia di Rieti, ed è probabil- mente l'area del Lazio con la maggiore densità di sinkhole, nonché quella che presenta i rischi maggiori per la presenza di importanti strutture Termali (Terme di Colilia) ed infra- strutture (SS Salaria). L'area studiata è caratterizzata larga- mente da formazioni carbonatiche, con sviluppati processi carsici, e ricade nella zona di convergenza di quattro unità tettoniche, caratterizzate da una differente evoluzione paleo- geografica, da un diverso stile deformativo e separate tra loro da elementi strutturali di importanza regionale. La valuta- zione della suscettibilità da sinkhole nella piana è stata effet- tuata attraverso l'applicazione di un'analisi statistica multivariata, un metodo euristico e una procedura di Artificial Neural Networks. Le peculiarità degli sprofondamenti nella piana di S. Vittorino sono principalmente relative ai processi di deep piping, che si sviluppano per risalita delle acque attra- verso le faglie e le fratture che dislocano il substrato carbo- natico, provocando la mobilizzazione e l'erosione dal basso dei depositi continentali sovrastanti, cui si aggiungono gli ef- fetti dei processi di dissoluzione legati alla risalita di H2S e CO2 attraverso le stesse dislocazioni. Tali processi subiscono degli incrementi rilevanti in occasione di eventi sismici o di eventi meteorici di notevole intensità. Le prestazioni dei modelli di previsione sono state valutate utilizzando curve ROC. I risultati mostrano che la procedura Artifcial Neural Network fornisce una precisione più affidabile; il modello euristico bivariato e statistico multivariato, invece, presentano accuratezza notevolmente scarsa. Evidentemente il metodo euristico non riesce a restituire dei risultati previsionali performanti perché il fenomeno non è ben noto, ma le reti neurali artificiali pur riuscendo ad interpretare molto bene i fenomeni complessi non rendono note le relazioni che legano le variabili dipendente e indipendenti.