Il presente studio ha lo scopo di illustrare l’applicazione della metodologia della change point analysis (CPA) alle serie temporali relative al tremore vulcanico registrato sul vulcano Etna, e impiegate per le attività di sorveglianza e monitoraggio. La CPA consiste nella progettazione di tecniche per il rilevamento automatico (detection) dei cambiamenti di stato durante l’osservazione di un processo. L’analisi tiene conto di due caratteristiche fondamentali che sono la tempestività dell’individuazione e la limitata occorrenza di falsi allarmi [Tartakovsky et al., 2014], la cui quantificazione viene definita in base al contesto di applicazione. La classificazione circa lo stato del processo si basa su delle caratteristiche (misurabili) che nel tempo formano una sequenza di osservazioni (serie temporali, se si tratta di misure quantitative). Nella maggior parte delle applicazioni, i sensori costituiscono un ruolo centrale perché sono gli agenti incaricati alla produzione delle osservazioni temporali. Nel caso della CPA, l’oggetto di maggiore interesse risulta la detection del cambiamento di stato da “normale” ad “anomalo”. Fintanto che la sequenza di osservazioni suggerisce che il processo risulti in uno stato di normalità, si lascia continuare; se invece si ritiene che qualcosa sia cambiato, l’obiettivo è quello di rilevare il cambiamento in maniera tempestiva, in modo da concedere il tempo adeguato, a chi di competenza, per la valutazione di un’azione, come ad esempio la sospensione del processo o l’innesco di un allarme. Storicamente, la CPA iniziò ad emergere intorno agli anni ‘30, nel dopoguerra, in riferimento al controllo della produzione industriale, attraverso lo studio di un tipo di grafico noto come carta di controllo o Carta di Shewhart delle medie [Shewhart, 1931]. Questo tipo di grafico riporta semplicemente una linea centrale che rappresenta il valore attorno al quale le misurazioni della caratteristica del processo dovrebbero presentarsi nelle condizioni naturali. Successivamente, l’applicazione della CPA si è estesa su diversi campi, nella maggior parte dei casi per lo sviluppo delle reti di sensori e delle relative tecnologie, come ad esempio: nella sorveglianza dell’ambiente [e.g., Ortner and Nehorai, 2007], nell’ambito della meteorologia per l’analisi delle variazioni dei dati climatici [e.g., Tomozeiu et al., 2000; Reeves et al., 2009], nell’analisi dei segnali biomedici [e.g. Gustafson et al., 1978], nell’analisi delle serie temporali dei mercati finanziari [e.g. Andreou and Ghysels, 2002], nel rilevamento delle intrusioni in reti di computer e sistemi di sicurezza [e.g. Tartakovsky et al., 2013], o nel monitoraggio del traffico stradale [e.g. Grossman et al., 2005]. In questa sede si applica la CPA per lo studio e l’identificazione di cambiamenti dello stato del vulcano sulla base di variazioni nelle serie temporali sismo-vulcaniche. Per l’analisi di interesse, le metodologie utilizzate sono il calcolo della cumulative sum (CUSUM) descritto da Taylor [2000] e la “One Pass Concept Change Detection for Data Streams” di Sakthithasan et al. [2013], di seguito riferita come SeqDrift. La prima tecnica si presta meglio per l’analisi storica delle serie temporali, in quanto si basa su informazioni calcolabili solo a posteriori (come ad es. la media della serie); mentre la seconda è stata implementata in modo da analizzare in maniera efficace ed efficiente dati di tipo stream ovvero dati acquisiti in real-time e near realtime, attraverso il concetto di finestra mobile (sliding window). Entrambe le tecniche appartengono alla classe dei metodi non-supervisionati. Di seguito verranno proposti alcuni casi di studio, riguardanti l’analisi di serie temporali di RMS (Root Mean Square) calcolate sul segnale sismico allo scopo di individuare i cambiamenti da uno stato di normalità (steady state) ad uno stato di anomalia. Sarà prestata particolare attenzione all’analisi sperimentale di SeqDrift, in quanto ha fornito risultati più attendibili ai fini del monitoraggio vulcanico.