{"id":147,"date":"2025-12-16T16:17:50","date_gmt":"2025-12-16T15:17:50","guid":{"rendered":"https:\/\/www.vitalspace.it\/?page_id=147"},"modified":"2026-03-09T14:56:47","modified_gmt":"2026-03-09T13:56:47","slug":"wp1-sviluppo-e-validazione","status":"publish","type":"page","link":"https:\/\/www.vitalspace.it\/index.php\/work-package-wp\/wp1-sviluppo-e-validazione\/","title":{"rendered":"WP1 – Sviluppo e validazione"},"content":{"rendered":"\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t
\n\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\tWP1<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\tUniversit\u00e0 di Cassino<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t

Sviluppo e validazione di modelli predittivi per il comfort ambientale<\/h1>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Contesto e ruolo nel progetto<\/h2>

Il Work Package 1 (WP1), coordinato dall’Universit\u00e0 degli Studi di Cassino e del Lazio Meridionale, rappresenta il fondamento scientifico e metodologico del progetto VitalSpace. Il cuore dell’attivit\u00e0 \u00e8 lo sviluppo e la validazione di modelli predittivi per stimare, nel breve termine, l’evoluzione dei parametri di comfort in ambienti confinati.<\/p>

In particolare, la previsione dell’andamento della temperatura interna e delle variabili termoigrometriche su orizzonti temporali di breve durata costituisce un elemento strategico per abilitare logiche di controllo proattivo degli impianti, con impatti diretti su comfort, efficienza energetica e sostenibilit\u00e0 complessiva del sistema.<\/p><\/section>

Obiettivi scientifici e tecnici<\/h2>
  • Analizzare lo stato dell’arte dei modelli previsionali per la temperatura interna, con focus su machine learning e deep learning<\/li>
  • Definire un set di input minimo ma realistico, testando la robustezza anche con dati parziali (temperatura interna\/esterna, occupazione, stato impianto)<\/li>
  • Sperimentare e confrontare pi\u00f9 famiglie modellistiche<\/li>
  • Validare prestazioni e generalizzazione tramite metriche quantitative\u00a0<\/li>
  • Estendere l’analisi alla previsione di umidit\u00e0 relativa tramite approcci ibridi<\/li>
  • Produrre un framework replicabile e integrabile nei moduli operativi della piattaforma<\/li><\/ul><\/section>
    <\/section>

    Deliverable e integrazione con gli altri WP<\/h2>

    Il WP1 fornisce modelli predittivi validati e confrontati, metriche e best practice replicabili, e basi algoritmiche pronte per l’industrializzazione (WP2\/WP4) e per l’integrazione applicativa in piattaforma (WP5).<\/p><\/section><\/section><\/article>\t\t\t\t\t\t\t\t<\/div>\n\t\t

    \n\t\t\t\t
    \n\t\t\t\t\t\t\t
    \n\t\t\t
    <\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t\t

    Materiali<\/h2>\t\t\t\t<\/div>\n\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t\t\t
    \n\t\t\t
    \n\t\t\t<\/path><\/path><\/path><\/path><\/path><\/svg>\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t
    \n\t\t\t\t
    \n\t\t\t\t\tModelli predittivi<\/span>\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t\t

    PDF<\/p>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

    \n\t\t\t\t\t\t\t
    \n\t\t\t
    \n\t\t\t<\/path><\/path><\/path><\/svg>\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t\t\t\t
    \n\t\t\t
    <\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t

    Video<\/h2>\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t\t\t\t
    \n\t\t\t
    <\/div>\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t\t\t\t
    \n\t\t\t
    <\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t
    \n\t\t\t\t\t\t

    \n\t\t\t\tIndice\t\t\t<\/h3>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t