PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Modele neuronowe szeregów czasowych godzinowego poboru wody w osiedlach mieszkaniowych

Treść / Zawartość
Identyfikatory
Warianty tytułu
EN
Neural network models of hourly water demand time series in housing areas
Języki publikacji
PL
Abstrakty
PL
Omówiono wyniki modelowania i prognozowania szeregów czasowych poboru wody z miejskich sieci wodociągowych na potrzeby optymalnego sterowania procesem zaopatrzenia w wodę. Zaprezentowano wyniki weryfikacji sztucznych sieci neuronowych na przykładzie wydzielonego rejonu sieci wodociągowej w Kłodzku i we Wrocławiu. Przedstawiono analizę przydatności sztucznych sieci neuronowych w bieżącym prognozowaniu szeregów czasowych godzinowego poboru wody, która wykazała, że optymalne struktury sieci perceptronowych i liniowych nie są skomplikowane, co między innymi ułatwia proces ich douczania lub uczenia od nowa. W praktyce błędy prognozowania przy wykorzystaniu wielowarstwowych perceptronowych sieci neuronowych i liniowych sieci neuronowych okazały się porównywalne lub mniejsze od błędów predykcji wg modeli klasy ARIMA i metod wykładniczego wygładzania szeregów czasowych. Wykazano, że przydatność sieci o radialnych funkcjach bazowych do prognozowania dobowych histogramów godzinowego poboru wody była ograniczona i jednocześnie mniejsza niż sieci liniowych oraz perceptronowych.
EN
The paper outlines the results of modeling and forecasting the water demand time series for the optimal control of water supply processes in municipal water supply systems. The results of verification of the artificial neural network models have been presented for a separate water supply subsystem in Klodzko and in Wroclaw. Analysis of the performance of artificial neural networks when used to develop current predictions of the time series for hourly water demand has revealed that the optimal structures of perceptron and linear networks are not very complicated, which facilitates the process of additional training or re-training. Practically, it has been found that forecasting produces comparable or smaller errors when focused on multilayer perceptron neural networks and linear neural networks than when based on the use of ARIMA models and exponential smoothing of the time series. Applicability of neural networks of radial base functions (RBF) to forecasting daily water demand histograms is limited, and lesser than that of linear and perceptron networks.
Czasopismo
Rocznik
Strony
23--26
Opis fizyczny
Bibliogr. 6 poz., tab., wykr.
Twórcy
autor
autor
autor
  • Politechnika Wrocławska, Wydział Inżynierii Środowiska, Zakład Zaopatrzenia w Wodę, Wybrzeże S. Wyspiańskiego 27, 50-370 Wrocław, zbigniew.siwon@pwr.wroc.pl
Bibliografia
  • 1.J. ŁOMOTOWSKI, Z. SIWOŃ: Metodyka analizy danych pochodzących z monitoringu systemów wodociągowo-kanalizacyjnych. Gaz, Woda i Technika Sanitarna 2010, nr 3, ss. 16–20.
  • 2.Z. SIWOŃ, W. CIEŻAK, J. CIEŻAK: Modele neuronowe szeregów czasowych krótkotrwałego zużycia wody w osiedlach mieszkaniowych. Mat. konf. „Zaopatrzenie w wodę, jakość i ochrona wód”, PZITS Oddział Wielkopolski, Poznań–Gniezno 2008, tom 1, ss. 79–92.
  • 3.Z. SIWOŃ, J. ŁOMOTOWSKI, W. CIEŻAK, P. LICZNAR, J. CIEŻAK: Analizy i prognozowanie rozbiorów wody w systemach wodociągowych. Komitet Inżynierii Lądowej i Wodnej PAN, Instytut Podstawowych Problemów Techniki, Studia z Zakresu Inżynierii nr 61, Warszawa 2008.
  • 4.A. JAIN, L. ORMSBEE: Evaluation of short-term water demand forecast modeling techniques: Conventional methods versus AI. Journal American Water Works Association 2002, Vol. 94, No. 7, pp. 64–72.
  • 5.Z. SIWOŃ, W. CIEŻAK: Wybrane problemy kalibracji modeli przepływów w systemach dystrybucji wody. Instal 2008, wydanie specjalne, ss. 79–85.
  • 6.W. CIEŻAK, Z. SIWOŃ, J. CIEŻAK: Zastosowanie sztucznych sieci neuronowych do prognozowania szeregów czasowych krótkotrwałego poboru wody w wybranych systemach wodociągowych. Ochrona Środowiska 2006, vol. 28, nr 1, ss. 39–44.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BPOB-0039-0004
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.