classificazione e rilevamento del danno in sistemi di monitoraggio strutturale mediante tecniche di machine learning

Questo studio si concentra sull'analisi predittiva dei danni strutturali nelle infrastrutture. Viene presentata un'analisi di dataset simulati di strutture reali, offrendo una panoramica dettagliata delle caratteristiche e delle tendenze osservate. Utilizzando tecniche avanzate di machine learning, sono stati sviluppati modelli per anticipare e identificare precocemente anomalie e danni. Attraverso una rigorosa pipeline analitica, sono stati esplorati modelli predittivi focalizzati su tre aspetti cruciali: identificare il tipo di danno, caratterizzare lo scenario e valutare il livello di danneggiamento. I risultati mostrano performance differenziate dei modelli nei contesti No Vehicle e Vehicle, con alcuni modelli che hanno ottenuto punteggi elevati nella classificazione dei danni. L'analisi multi-task ha evidenziato la capacità di alcuni modelli di gestire più compiti di classificazione contemporaneamente. Tuttavia, l'efficacia di questi modelli su dati reali richiede ulteriori valutazioni. La prospettiva futura prevede lo sviluppo di modelli in grado di identificare le anomalie e le strutture coinvolte, rappresentando un passo importante verso una gestione avanzata delle infrastrutture