Previsione del Rischio nelle Reti Gas
1 nov 2024
·
1 min di lettura
Questo progetto e stato sviluppato per l’AI Data Hackathon (Hera Group, BTO Research & Digitiamo), dove ha ottenuto il 2° posto. Il compito era rilevare il rischio di perdite gas in un contesto dominato da forte sbilanciamento, eventi rari e incertezza operativa.
La pipeline combina feature engineering geospaziale-temporale con data augmentation sintetica tramite CTGAN e TimeGAN, e usa poi SHAP per mantenere il modello finale interpretabile e non soltanto predittivo.
Quello che continuo ad apprezzare di questo progetto e il suo equilibrio tra pragmatismo e metodo: e un progetto da hackathon, ma riflette gia un approccio che uso spesso, cioe rendere piu robusti problemi predittivi difficili senza rinunciare alla spiegabilita.
Authors
Stefano Blando
(he/him)
PhD Student in Artificial Intelligence
Stefano Blando is a PhD student in the National PhD Program in Artificial Intelligence at
Scuola Superiore Sant’Anna and the University of Pisa. His research lies at the intersection
of AI, agent-based modeling, and economics. He studies adaptive multi-agent systems,
differentiable agent-based models, LLM-based generative agents, and robust quantitative
methods for financial and socio-economic data.