Application of a fuzzy neural network for river water quality prediction

• Autorzy: Skowrońska K. T. , Skowroński Z. G. , Biziuk M. K.

Warianty tytułu

PL

Zastosowanie rozmytych sieci neuronowych do przewidywania jakości wód rzecznych

• Konferencja: Polish Conference on the Analytical Chemistry [7; 3-7 July 2006; Toruń]
• Języki publikacji: EN

Abstrakty

EN

Monitoring and modelling of river water quality is one of the key elements in the global environmental monitoring policy and management. The control of complex and nonlinear systems, like rivers, is not an easy task. Usually, mathematical models are used for this purpose; however, sometimes these models require so much data that the response time is too long. An application of artificial intelligence (AI) helps to avoid disadvantages of mathematical models. This paper presents an application of the fuzzy neural network to the prediction of river water quality parameters. As an example, Cu concentration has been predicted.

PL

Monitoring i modelowanie zmian w jakości wód powierzchniowych stanowią jeden z kluczowych elementów monitoringu i zarządzania ochroną środowiska na skale globalną. Kontrolowanie tak złożonych i nieliniowych w swojej charakterystyce obiektów, jakimi są rzeki, jest trudnym zadaniem. Zazwyczaj do tego celu wykorzystuje się modele matematyczne, jednak czasem wymagają one bardzo dużej ilości danych lub czas oczekiwania na odpowiedź (uzyskania danych wyjściowych) jest zbyt długi. Zastosowanie technik sztucznej inteligencji pomaga uniknąć części wad modeli matematycznych. Ta praca przedstawia zastosowanie rozmytych sieci neuronowych do przewidywania parametrów charakteryzujących jakość wody rzecznej na przykładzie przewidywania stężenia miedzi.

Słowa kluczowe

EN

river water quality; modelling; fuzzy logic; fuzzy neural network; environmental monitoring; pollution

PL

jakość wód powierzchniowych; modelowanie; sieć neuronowa rozmyta; monitoring środowiska; zanieczyszczenia

• Wydawca: Komitet Chemii Analitycznej PAN
• Czasopismo: Chemia Analityczna
• Rocznik: 2006
• Tom: Vol. 51, No. 3
• Strony: 365--375
• Opis fizyczny: Bibliogr. 10 poz.

Twórcy

autor

Skowrońska K. T.

autor

Skowroński Z. G.

autor

Biziuk M. K.

• Department of Analytical Chemistry, Chemistry Faculty, Gdansk University of Technology, ul. Narutowicza 11/12, 80-952 Gdansk, Poland Fax: [phone],

Bibliografia

• 1.Hay ward G. and Davidson V., Analyst, 128, 1304 (2003).
• 2.http://www.ccg.leeds.ac.uk/simon/linda/geocomp98/gc22.htm
• 3.Sokolov S. and Black K.P., J. Hydrol., 178, 311 (1996).
• 4.Ferrier R.C., Whitehead P.G., Sefton C., Edwards A.C. and PuhnK., Wat. Res., 8, 1950(1995).
• 5.Drolc A. and Zagorc Koncan J., Water Res., 11, 2587 (1996).
• 6.Maryns F. and Bauwens W., Wat. Sci. Tech., 5,201 (1997).
• 7.Rutkowska D., Plinski M. and Rutkowski L., Artificial neural networks, genetic algorithms and fuzzy systems, WN PWN, Warszawa 1997, (in Polish).
• 8.Multi-autor work, Fuzzy Logic User Guide, Documentation for Matlab vol. 11, Mathworks 2004.
• 9.Verikas A. and Bacauskiene M., Chemom. Int. Lab. Syst., 67, 187 (2003).
• 10.Multi-autors work, Position-altitude plan of the Kacza River’s Catchment, Biuro Projektów i Doradztwa Technicznego, sp. z o.o., Hydrotechnika, Gdańsk 1997, (in Polish).