Zastosowanie sztucznych sieci neuronowych Kohonena do prognozowania dobowego poboru wody

• Autorzy: Licznar P. , Łomotowski J.

Warianty tytułu

EN

Application of Kohonen Artificial Neural Networks to the Prediction of Daily Water Consumption

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono wyniki badań nad zastosowaniem samoorganizujących sieci Kohonena do prognozowania dobowego poboru wody. Dotychczas do prognozowania poboru wody używano sztucznych sieci neuronowych najprostszych typów, głównie sieci perceptronowych o pojedynczej warstwie ukrytej. Otrzymywano przy tym wyniki porównywalne lub lepsze od modeli stochastycznych opartych o analizę szeregów czasowych, jednakże sieci te nie pozwalały wniknąć w istotę kształtowania się procesu poboru wody. Wagi poszczególnych neuronów sieci perceptronowych, ustalane w trakcie ich uczenia, nie są bowiem powiązane z fizycznymi cechami prognozowanego szeregu czasowego. Z tego względu podjęto próbę zastosowania samoorganizujących sieci Kohonena dla prognozowania dobowego poboru wody w sieci wodociągowej. W badaniach wykorzystano szereg czasowy dobowego zużycia wody z lat 1996-2002 jednego z większych polskich wodociągów. Prognoza była wykonana dwuetapowo. Pierwszym jego etapem było prognozowanie sumarycznego tygodniowego rozbioru wody przy użyciu prostej sieci perceptronowej szeregu czasowego. W następnym etapie prognozowany całkowity, tygodniowy, rozbiór był rozdzielany na poszczególne dni tygodnia, zgodnie z wzorcami rozpoznanymi dla poszczególnych okresów roku przez samoorganizującą się strukturę sieci Kohonena. Otrzymywane wyniki były porównywalne z wcześniejszymi rezultatami autorów, uzyskanymi na tym obiekcie do prognozowania przy wykorzystaniu prostych sieci neuronowych oraz metody wygładzania wykładniczego. Dodatkowym - poznawczym - wynikiem przeprowadzonych badań są opracowane, przy wykorzystaniu sieci samoorganizującej się na zasadzie współzawodnictwa, profile tygodniowego poboru wody.

EN

The objective of the study was to develop a hybrid tool for predicting daily water consumption by the combined use of the perceptron and Kohonen artificial neural networks. The investigations included a 7-year time series of total daily water consumption in the time span of 1996 to 2002, coming from one of Poland's largest water distribution systems. The prediction process was a two-stage one. At the first stage, the Self-Organizing Feature Map (SOFM) was made in order to establish the weekly water distribution patterns that are typical for each season of the year. At the second stage, a simple single hidden layer perceptron networks was built to enable the prediction of total weekly water consumption. Owing to the combined use of the perceptron and Kohonen artificial neural networks it was possible to work out high-quality daily water consumption predictions and to identify typical seasonal patterns of weekly water consumption.

Słowa kluczowe

PL

dobowy pobór wody; prognozowanie; sieci neuronowe Kohonena

EN

daily water consumption; prediction; artificial neural networks; perceptron networks; self-organizing feature map; SOFM

• Wydawca: Polskie Zrzeszenie Inżynierów i Techników Sanitarnych, Oddział Dolnośląski
• Czasopismo: Ochrona Środowiska
• Rocznik: 2006
• Tom: R. 28, nr 1
• Strony: 45--48
• Opis fizyczny: Bibliogr. 15 poz.

Twórcy

autor

Licznar P.

autor

Łomotowski J.

• Akademia Rolnicza we Wrocławiu,

Bibliografia

• 1. P. LICZNAR, J. ŁOMOTOWSKI: Prognozowanie dobowych rozbiorów wody przy wykorzystaniu sztucznych sieci neuronowych. Mat. konf. “Water Supply and Water Quality”, PZITS, Poznań 2004, ss. 175–183.
• 2. T. SŁOMIŃSKI, K. DUZINKIEWICZ, M. KIESLIEWICZ, D. TRAWICKI: Analiza możliwości zastosowania sztucznych sieci neuronowych do prognozowania zapotrzebowania na wodę w miejskich sieciach wodociągowych. Mat. konf. „Technologia i automatyzacja systemów wodociągowych i kanalizacyjnych – TiASWiK ‘99”, Stawiska 1999, ss. 235–242.
• 3. L.M. CAMARINHA-MATOS, F.J. MARTINELLI: Application of machine learning in water distribution networks. Intelligent Data Analysis, 1998, No. 2, pp. 311–332.
• 4. N. LERTPALANGSUNTI, C.W. CHAN, R. MASON, P. TONTIWACHWUTHIKUL: A toolset for construction of hybrid intelligent forecasting system: Application for water demand prediction. Artificial Intelligence in Engineering, 1999, 13, pp. 21–42.
• 5. J. LIU, H.H.G. SAVENIJE, J. XU: Forecast of water demand in Weinan City in China using WDF-ANN model. Physics and Chemistry of Earth, 2003, 28, pp. 219–224.
• 6. A. MUKHOPADHYAY, A. AKBER, E. AL-AWADI: Analysis of freshwater consumption patterns in the private residences in Kuwait. Urban Water, 2001, No. 2, pp. 53–62.
• 7 S.L. ZHOU, T.A. MCMAHON, A. WALTON, J. LEWIS: Forecasting daily urban water demand: A case study of Melbourne. Journal of Hydrology, 2000, 236, pp. 153–164.
• 8. S.L. ZHOU, T.A. MCMAHON, A. WALTON, J. LEWI: Forecasting operational demand for an urban water supply zone. Journal of Hydrology, 2002, 259, pp. 189–202.
• 9. Z. SIWOŃ: Stochastyczne modelowanie procesu zużycia wody i prognozowanie zapotrzebowania na wodę w miastach. Prace Naukowe Inst. Inż. Ochr. Środ. Politechniki Wrocławskiej, Seria Monografie nr 34, Wrocław 1986.
• 10. Z. SIWOŃ, W. CIEŻAK, J. CIEŻAK: Stochastyczne modele godzinowego poboru wody w wybranym systemie wodociągowym. Ochrona Środowiska, 2005, nr 1, ss. 7–13.
• 11. J. ŁOMOTOWSKI: Prognozowania rozbiorów wody metodą wygładzania wykładniczego. Mat. konf. „Zastosowanie technik informatycznych w zarządzaniu systemami wodno-kanalizacyjnymi”, PZITS, Poznań 2003, ss. 19–25.
• 12. S. OSOWSKI: Sieci neuronowe do przetwarzania informacji. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2000.
• 13. K. SIWEK: Prognozowanie obciążeń w systemie elektroenergetycznym przy wykorzystaniu sztucznych sieci neuronowych. Rozprawa doktorska, Politechnika Warszawska, Warszawa 2001 (praca nie publikowana).
• 14. M. KRAWCZAK: Multilayer Neural Systems and Generalized Net Models. Akademicka Oficyna Wydawnicza EXIT, Warszawa 2003.
• 15. R. TADEUSIEWICZ: Sieci neuronowe. Akademicka Oficyna Wydawnicza, Warszawa 1993.