Wykorzystanie sztucznych sieci neuronowych do prognozowania zużycia wody w zakładach wodociągowych

• Autorzy: Licznar P.

Warianty tytułu

EN

Artificial neural networks use for water consumption prediction at water works

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawione są podstawowe informacje dotyczące sztucznych sieci neuronowych i możliwości ich stosowania dla opracowywania danych eksploatacyjnych pochodzących z zakładów wodociągowych. Możliwości te zostały zademonstrowane praktycznie na przykładzie wybranego zakładu wodociągowego z Dolnego Śląska. Archiwalne zapisy stanów wodomierza z tego zakładu z wielolecia 1999-2003 stały się podstawą do stworzenia szeregu czasowego wartości rozbiorów w kolejnych dniach roboczych i zbiorczych wartości rozbiorów weekendowych. Podstawowym celem badań było opracowanie sztucznych sieci neuronowych, przeznaczonych do przewidywania rozbioru wody dla pojedynczego okresu szeregu czasowego, na podstawie danych archiwalnych o rozbiorze wody z okresu nie dłuższego jak 4 pełne tygodnie W rezultacie przeprowadzonych analiz opracowane zostały 4 różne sieci neuronowe: sieć liniowa, sieć o radialnych funkcjach bazowych oraz dwie sieci perceptronowe o pojedynczych warstwach ukrytych. Funkcjonowanie wszystkich sieci było bardzo dobre, a wartości ich prognoz rozbiorów wody w poszczególnych okresach czasu były bliskie lub równe rzeczywistym, obserwowanym wartościom. Współczynniki korelacji zależności wartości obserwowanych i prognozowanych przez sieci neuronowe rozbiorów dla poszczególnych okresów były w zakresie 0,982 - 0,991. Badania udowodniły duże możliwości zastosowania technologii sztucznych sieci neuronowych, dla eksploatacyjnego przewidywania rozbioru wody, w zakładzie wodociągowym.

EN

Basic information concerning artificial neural networks and possibilities of their application for operational data originating from water works processing is presented in this paper. These possibilities were practically demonstrated on the example of selected water work from Dolny Śląsk. Archive water meter records from this work from years 1999-2003 were the basis of time series development of water consumption values for successive working days and of cumulative values of weekends' water consumptions. Development of artificial neural networks dedicated for prediction of water consumption for single period of time series in advance on the basis of archive water distribution data from the period not exceeding 4 whole weeks was the basic aim of the research. As the results of the conducted analysis 4 different neural networks were developed: one linear network, one radial base network and two single hidden layer perceptron networks. All networks performance was very good, and their predicted water consumption values for individual time periods were close or equal to real, observed values. Correlation coefficients for relations of observed versus predicted by neural networks water consumption values for individual periods were at the range of 0,982 - 0,991. The study proved a big potential of artificial neural networks technology use far water consumption operational forecasting at the water work.

Słowa kluczowe

PL

sztuczne sieci neuronowe; zużycie wody; prognozowanie

EN

artificial neural networks; water consumption; prediction

• Wydawca: Ośrodek Informacji "Technika instalacyjna w budownictwie''
• Czasopismo: Instal
• Rocznik: 2005
• Tom: nr 11
• Strony: 16--22
• Opis fizyczny: Bibliogr. 17 poz., rys., tab., wykr.

Twórcy

autor

Licznar P.

• Instytut Budownictwa i Architektury Krajobrazu, Akademia Rolnicza we Wrocławiu

Bibliografia

• 1) Dawidowicz J.: Metoda oceny średnic rurociągów wodociągowych przy użyciu sztucznych sieci neuronowych Materiały konferencji naukowej: „Problemy gospodarki wodno-ściekowej w regionach rolniczo-przemysłowych”, Białowieża 5-7 czerwca 2005, Monografie Komitetu Inżynierii Środowiska PAN, vol 30, 345-360.
• 2) Haykin S., 1994: Neural networks, a comprehensive foundation. MacMillan College Publ. Comp., New York.
• 3) Hryniewicz O., Studziński J.: Statistical analisis of uncertain measurements in modelling of water and wastewater systems. Proceedings of the 19th International Conference Informatics for Environmental Protection. September 7-9, 2005, Brno, 853-857.
• 4) Licznar P., Łomotowski J.: Prognozowanie dobowych rozbiorów wody przy wykorzystaniu sztucznych sieci neuronowych. Materiały międzynarodowej konferencji naukowej: „WATER SUPPLY AND WATER QUALITY” Poznań, 6-8 September 2004, 175-183.
• 5) Licznar P., Łomotowski J., Kotowska S.: Prognozowanie dobowych wartości dopływów do oczyszczalni ścieków przy wykorzystaniu sztucznych sieci neuronowych o radialnych funkcjach bazowych. Materiały konferencji naukowej: „Problemy gospodarki wodno-ściekowej w regionach rolniczo-przemysłowych”, Białowieża 5-7 czerwca 2005, Monografie Komitetu Inżynierii Środowiska PAN, vol 30, 581-592.
• 6) Lula P., Tadeusiewicz R.: STATISTICA Neural Networks. StatSoft, Kraków 2004.
• 7) Łomotowski J. Prognozowania rozbiorów wody metodą wygładzania wykładniczego. Materiały konferencji: Zastosowanie technik informatycznych w zarządzaniu systemami wodno-kanalizacyjnymi. Poznań, 2003, 19-25.
• 8) McCulloch W. S., Pitts W H.: A logical calculus of ideas immanent in nervous activity. Bull Math Biophysics 1943, vol. 5, 115-119.
• 9) Osowski S.: Sieci neuronowe. Oficyna Wydawnicza PW, Warszawa 1994.
• 10) Osowski S.: Sieci neuronowe w ujęciu algorytmicznym. WNT, Warszawa 1996.
• 11) Osowski S.: Sieci neuronowe do przetwarzania informacji. Oficyna Wydawnicza PW, Warszawa 2000.
• 12) Rumelhart D. E., Hinton G. E., Williams R. J.: Learning internal representations by error propagation in “Parallel distributed processing: Explorations in the Microstructures of Cognition”, D. E. Rumelhart, J. L. McClelland (Eds.), vol. 1, MIT Press, Cambridge 1986.
• 13) Siwoń Z.: Stochastyczne modelowanie procesu zużycia wody i prognozowanie zapotrzebowania na wodę w miastach. Prace Nauk. Inst. Inż. Ochr. Środ. Politechniki Wrocławskiej, Seria Monografie 34, Wrocław 1986.
• 14) Smith D. W., Nour M. H., Gamal El-Din M., Prepas E. E.: Applying artificial neural networks to model flow and DTP concentration of a forested watershed. Materiały międzynarodowej konferencji naukowej: „WATER SUPPLY AND WATER QUALITY” Poznań. 6-8 September 2004, 655-670.
• 15) Sroczan E. M., Urbaniak A.: Wykorzystanie metod sztucznej inteligencji w monitorowaniu, sterowaniu i eksploatacji systemów zoo patrzenia w wodę i ochrony wód. Materiały międzynarodowej konferencji naukowej:. „WATER SUPPLY AND WATER QUALITY” Poznań, 6-8 September 2004, 695-704.
• 16) Tadeusiewicz R. Sieci neuronowe. Akadem. Ofic. Wyd., Warszawa 1993.
• 17) Zhang Q. J., Shariff R., Smith D. W., Cudrak A., Stanley S. J.: Artificial intelligence real-time process control system for the DAF process. Materiały międzynarodowej konferencji naukowej: „WATER SUPPLY AND WATER QUALITY” Poznań, 6-8 September 2004, 223-242.