Conclusioni

All'interno di questo articolo  è stato affrontato lo studio della matrice di Leopold ed è stata riportata una applicazione riguardante la realizzazione di un parco eolico. Per loro natura, i parchi eolici possono però comportare impatti negativi sull'ambiente, sia nella fase di costruzione (impatti di carattere temporaneo) che nella fase di esercizio. Gli effetti negativi sono legati alla fauna volante, ovvero all’ornitofauna. Si può concludere che l'approccio applicato è possibile utilizzarlo con successo per progetti simili nel campo dell'implementazione di fonti di energia rinnovabile (RE). Di questa applicazione sono state analizzate le diverse componenti (fisiche, biologiche, socio-culturali) che rappresentano i potenziali impatti ambientali sull'area in esame. In seguito è stata analizzata una tecnica di valutazione degli impatti più innovativa, ossia il KFCM (Metodo Kernel Fuzzy Clusteryng Means Algoritm), che utilizza la rete neurale BP per migliorare il tradizionale metodo di scelta, generando una soluzione ottimale per la valutazione degli impatti. Il metodo di valutazione proposto è diverso dai metodi classici. Sebbene al momento non sia comune utilizzare algoritmi di intelligenza artificiale per la valutazione di impatto ambientale, i vantaggi del metodo in questo studio sono molteplici. In primo luogo, questo metodo ha un'elevata comodità e praticabilità per il funzionamento. Quando i valori dell'indice di valutazione vengono inseriti nel modello, il valore di valutazione di impatto ambientale viene calcolato automaticamente dalla rete neurale BP. Questo complicato processo di analisi avviene istantaneamente. A differenza del metodo tradizionale, il metodo di valutazione può essere utilizzato nelle prime fasi della progettazione del processo per ottenere rapidamente i risultati della previsione senza supervisione di esperti del processo. Il modello di valutazione della rete neurale BP, come il cervello umano, può imitare il modo di pensare umano e dedurre il valore di valutazione ragionevole in base al risultato dell'apprendimento. La pre-valutazione nella fase iniziale della progettazione può ridurre efficacemente il costo della valutazione e migliorarne l'efficienza. Il modello di valutazione che utilizza la rete neurale BP ha un alto livello di ragionamento, che può garantire la stabilità oggettiva dei risultati della valutazione. Guardando alle tecniche attuali e a quelle di recente sviluppo si ritiene utile  l'implementazione delle nuove tecniche al fine di massimizzare l'efficienza della valutazione di impatto ambientale.