Application of exponential smoothing method to forecasting daily water consumption in rural areas

• Autorzy: Cieżak Wojciech , Kutyłowska Małgorzata

Identyfikatory

DOI

10.24425/ace.2023.146090

Warianty tytułu

PL

Zastosowanie metody wygładzania wykładniczego do prognozowania dobowego zużycia wody w obszarach wiejskich

• Języki publikacji: EN

Abstrakty

EN

The size and distribution of water demand within a given structural unit is the basis for the proper operation and planning of the expansion and modernization of the water supply system’s elements. In rural areas, particularly in municipalities adjacent to urban-industrial agglomerations, a change in the use of tap water has been increasingly observed. The water consumption for animal breeding or agricultural use, typical of these areas, has been decreasing and even disappearing. Water has been increasingly used for domestic purposes in single- and multi-family housing as well as for other purposes such as watering lawns and filling residential swimming pools. Taking this into account, this paper presents observations regarding daily water consumption in a municipality adjacent to Wrocław together with an analysis of the possibility of using the exponential smoothing method for the short-term forecasting of daily water consumption. The analyses presented in this paper were carried out using STATISTICA 13 software.

PL

Wzrost zapotrzebowania na wodę w gminach przyległych do dużych aglomeracji, a co za tym idzie wzrost produkcji wody, zmuszają przedsiębiorstwa wodociągowe do szukania nowych rozwiązań dotyczących między innymi optymalnego sterowania takimi procesami jak: ujmowanie i rozdział dyspozycyjnych zasobów wodnych, dystrybucja oraz oczyszczanie wody i ścieków. Aby zapewnić skuteczne sterowanie tymi procesami wymagany jest między innymi skalibrowany model hydrauliczny sieci dystrybucji i model prognostyczny poboru wody. Do bieżącego i krótkoterminowego prognozowania poboru wody wykorzystywane są modele stochastyczne, wprowadzane w postaci zalgorytmizowanej do struktury zarządzania procesem sterowania. Najczęściej stosowane są scałkowane modele autoregresji i średniej ruchomej ARIMA oraz metody wygładzania wykładniczego szeregów czasowych. Modele klasy ARIMA odwzorowują właściwości statyczne i dynamiczne szeregów stacjonarnych i pewnych klas szeregów niestacjonarnych, interpretowanych jako wynik przejścia białego szumu przez dyskretny filtr liniowy skończenie wymiarowy. Charakteryzują się one różnymi właściwościami przy jednolitym zapisie formalnym oraz identycznych metodach estymacji parametrów dla różnych typów i podklas modeli. Metody prognozowania oparte na algorytmach wygładzania wykładniczego są łatwe do praktycznego zastosowania i nie wymagają założenia o stacjonarności analizowanego szeregu czasowego. W niniejszej pracy przedstawiono obserwacje dotyczące dobowego zużycia wody w jednej z gmin przyległej do Wrocławia wraz z analizą możliwości zastosowania metody wygładzania wykładniczego do krótkoterminowego prognozowania dobowego poboru wody.

Słowa kluczowe

EN

forecasting; exponential smoothing; pipe network; water consumption; rural area

PL

prognozowanie; sieć przewodów; wygładzanie wykładnicze; zużycie wody; obszar wiejski

• Wydawca: Komitet Inżynierii Lądowej i Wodnej PAN ; Politechnika Warszawska, Wydział Inżynierii Lądowej
• Czasopismo: Archives of Civil Engineering
• Rocznik: 2023
• Tom: Vol. 69, nr 3
• Strony: 445--456
• Opis fizyczny: Bibliogr. 21 poz., il., tab.

Twórcy

autor

Cieżak Wojciech

• Wrocław University of Science and Technology, Faculty of Environmental Engineering, Wrocław, Poland

• https://orcid.org/0000-0001-6210-8728

autor

Kutyłowska Małgorzata

• Wrocław University of Science and Technology, Faculty of Environmental Engineering, Wrocław, Poland

• https://orcid.org/0000-0001-8425-9041

Bibliografia

• [1] C.M. Fontanazza, V. Notaro, V. Puleo, and G. Freni, “Multivariate statistical analysis for water demand modeling”, Procedia Engineering, vol. 89, pp. 901-908, 2014, doi: 10.1016/j.proeng.2014.11.523.
• [2] W. Cieżak and J. Cieżak, “Variability of water intake in settlement units adjacent to Wrocław”, in E3S Web of Conferences, vol. 59, pp. 1-4, 2018, doi: 10.1051/e3sconf/20185900019.
• [3] J. Rising, L. Josset, T. Troy, and U. Lall, “The importance of infrastructure and national demand to represent constraints on water supply in the United States”, Global Environmental Change, vol. 73, art. no. 102468, 2022, doi: 10.1016/j.gloenvcha.2022.102468.
• [4] A. Węglarz and P. Gilewski, “Risk analysis in the environmental impact assessment of building construction innovations”, Archives of Civil Engineering, vol. 67, no. 4, pp. 433-450, 2021, doi: 10.24425/ace.2021.138510.
• [5] A. Studzinski, V.O. Harbulakova, and I. Skrzypczak, “The influence of the properties of water pipes made of PE on their durability and reliability”, Archives of Civil Engineering, vol. 68, no. 1, pp. 129-143, 2022, doi: 10.24425/ace.2022.140160.
• [6] M. Kutyłowska, “Prediction of water conduits failure rate - comparison of support vector machine and neural network”, Ecological Chemistry and Engineering A, vol. 23, no. 2, pp. 147-160, 2016, doi: 10.2428/ecea.2016.23(2)11.
• [7] E.A. Redondo-Peñulea, H.A. Rondón-Quintana, and C.A. Zafra-Mejía, “Water quality management in a treatment plant using the Box-Jenkins method”, Archives of Civil Engineering, vol. 66, no. 3, pp. 125-137, 2020, doi: 10.24425/ace.2020.134388.
• [8] O.A. Ahmad and S.M. Ayyad, “Secondary treated wastewater as a concrete component and its impact on the basic strength properties of the material”, Archives of Civil Engineering, vol. 67, no. 1, pp. 571-583, 2021, doi: 10.24425/ace.2021.136490.
• [9] S. Torrent and R. Pérez, “Modelling daily water consumption through potential curves. Disaggregating apparent and real losses”, Urban Water Journal, vol. 17, no. 4, pp. 292-302, 2020, doi: 10.1080/1573062X.2020.1764594.
• [10] G. Sanchez, A. Terando, J.W. Smith, A.M. García, C.R. Wagner, and R.K. Meentemeyer, “Forecasting water demand across a rapidly urbanizing region”, Science of The Total Environment, vol. 730, art. no. 139050, 2020, doi: 10.1016/j.scitotenv.2020.139050.
• [11] J.S. Wong, Q. Zhang, and Y.D. Chen, “Statistical modeling of daily urban water consumption in Hong Kong: Trend, changing patterns, and forecast”, Water Resources Research, vol. 46, no. 3, art. no. W03506, 2010, doi: 10.1029/2009WR008147.
• [12] D.C.M. Ristow, E. Henning, A. Kalbusch, and C.E. Petersen, “Models for forecasting water demand using time series analysis: a case study in Southern Brazil”, Journal of Water, Sanitation and Hygiene for Development, vol. 11, no. 2, pp. 231-240, 2021, doi: 10.2166/washdev.2021.208.
• [13] H. Gong, R. Pishgar, and J.H. Tay, “Artificial neural network modelling for organic and total nitrogen removal of aerobic granulation under steady-state condition”, Environmental Technology, vol. 40, no. 24, pp. 3124-3139, 2019, doi: 10.1080/09593330.2018.1466920.
• [14] J. Ravnik, J. Jovanovac, A. Trupej, N. Vištica, and M. Hriberšek, “A sigmoid regression and artificial neural network models for day-ahead natural gas usage forecasting”, Cleaner and Responsible Consumption, vol. 3, art. no. 100040, 2021, doi: 10.1016/j.clrc.2021.100040.
• [15] Study of the conditions and directions of spatial development in the Czernica Municipality. Czernica, 2013 (in Polish).
• [16] Strategy with elements of local development planning for the Czernica Municipality for 2014-2025. Czernica 2014 (in Polish).
• [17] A. Zeliaś, Forecast theory. Warszawa, Poland: Polish Economic Publishing House, 1997 (in Polish).
• [18] A. Zeliaś, B. Pawełek, and S. Wanat, Economic forecasting. Theory, examples, tasks. Warszawa, Poland: Scientific Publishing House PWN, 2003 (in Polish).
• [19] C.C. Holt, “Forecasting seasonals and trends by exponentially weighted moving averages”, International Journal of Forecasting, vol. 20, no. 1, pp. 5-10, 2004, doi: 10.1016/j.ijforecast.2003.09.015.
• [20] D. Kwiatkowska-Ciotucha and U. Załuska, “Quality grades of forecasts errors - theory and practice”, Statistical Review, vol. 49, no. 3, pp. 147-161, 2002 (in Polish).
• [21] M. Szmuksta-Zawadzka and J. Zawadzki, “About measures of ex-post the forecasts accuracy used to variables with strong of seasonal fluctuations”, Quantitative Methods in Economics, vol. 13, no. 1, pp. 212-223, 2012 (in Polish).