Wykorzystanie sztucznych sieci neuronowych do predykcji stanów i natężeń przepływów w rzece

• Autorzy: Licznar P.

Warianty tytułu

EN

Application of artificial neural networks to prognosis of water levels and flow intensity in the river

• Języki publikacji: PL

Abstrakty

PL

Przeprowadzono analizę możliwości zastosowania sztucznych sieci neuronowych do prognozowania stanów i natężenia przepływów w przekroju wodowskazo-wym na potrzeby eksploatacji ujęć wodociągowych. Wykorzystano szeregi czasowe codziennych wartości stanów i natężenia przepływów z wielolecia 1975-1978 z sąsiadujących ze sobą przekrojów wo-dowskazowych: Dunino, Winnica i Rzymówka.

EN

There has been made an analyses of possibility of application of artificial neural networks to prognosis of water levels and intensity of flow in a water level indicator cross-section of the river for the purposes of exploitation of water intake. In that analyses there have been utilized temporal series of daily values of water level and flow intensity in three neighbouring water level indicator cross-sections in Dunino, Winnica and Przy-mówka from the period 1975-1978.

Słowa kluczowe

PL

przepływ w rzece; natężenie przepływu; stan wód; prognozowanie; sieć neuronowa sztuczna

EN

flow intensity; water level; river; prognosis; artificial neural network

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Gospodarka Wodna
• Rocznik: 2007
• Tom: Nr 2
• Strony: 66--71
• Opis fizyczny: Bibliogr. 21 poz.

Twórcy

autor

Licznar P.

• Akademia Rolnicza Katedra Budownictwa i Infrastruktury

Bibliografia

• 1.ASCE Task Committee on Application of Artificial Neural Networks in Hydrology, 2000a: Artificial neural networks in hydrology. I: Preliminary Concepts. Journal of Hydrologie Engineering,April 2000, 115-123.
• 2.ASCE Task Committee on Application of Artificial Neural Networks in Hydrology, 2000b: Artificial neural networks in hydrology. II: Hydrologie applications. Journal of Hydrologie Engineering,April 2000, 124-137.
• 3.L.M. CAM ARIN H A-M ATOS, F.J. MARTINELLI, 1998: Application of machine learning in water distribution networks. Intelligent Data Analysis, 2, 311-332.
• 4.J. DAWIDOWICZ, 2005: 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.
• 5.S. HAYKIN, 1994: Neural networks, a comprehensive foundation. MacMillan College Publ. Comp., New York.
• 6.S. ISLAM, R. KOTHARI, 2000: Artificial neural networks in remote sensing of hydrologie processes. Journal of Hydrologie Engineering,April 2000, 138-144.
• 7.P. LICZNAR, 2001: Sieci neuronowe w modelowaniu procesów meteorologicznych, [in:] Wybrane zagadnienia z zakresu pomiarów i metod opracowania danych automatycznych stacji meteorologicznych (J. Łomotowskiego &M. S. Rojka Eds.), Zeszyty Naukowe AR weWrocławiu, Monografie XXV, nr 428, Wrocław, 56-79.
• 8.P. LICZNAR, J. ŁOMOTOWSKI, 2004: 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.
• 9.P. LICZNAR, M.A. NEARING, 2003: Artificial neural networks of soil erosion and runoff prediction at the plot scale, Catena, 51(2), 89-114.
• 10.J. LIU, H.H.G. SAVENIJE, J. XU, 2003: Forecast of water demand in Weinan City in China using WDF-ANN model. Physics and Chemistry of Earth, 2003, 28, 219-224.
• 11.P. LULA, R. TADEUSIEWICZ, 2004: STAT ISTICA Neural Networks. StatSoft, Kraków.
• 12.A. MUKHOPADHYAY, A. AKBER, E. AL-AWADl, 2001: Analysis of freshwater consumption patterns in the private residences in Kuwait. Urban Water, 2, 53-62.
• 13.S. OSOWSKi, 1994: Sieci neuronowe. Oficyna Wydawnicza PW, Warszawa.
• 14.S. OSOWSKi, 1996: Sieci neuronowe w ujęciu algorytmicznym. WNT, Warszawa.
• 15.S. OSOWSKI, 2000: Sieci neuronowe do przetwarzania informacji. Oficyna Wydawnicza PW, Warszawa.
• 16.J. PAWEŁEK, 1996: Wykorzystanie zapasu wody w celu zabezpieczenia ujęć wodociągowych z rzek i potoków górskich przy stanach podwyższonych mętności i zawiesin. ZeszytyNaukowe AR w Krakowie, Rozprawy nr 215, Kraków.
• 17.E.M. SROCZAN, A. URBANIAK, 2004: Wykorzystanie metod sztucznej inteligencji w monitorowaniu, sterowaniu i eksploatacji systemów zaopatrzenia w wodę i ochrony wód. Materiały międzynarodowej konferencji naukowej: „WATER SUPPLY AND WATER QUALITY” Poznań, 6-8 September 2004, 695-704.
• 18.R. TADEUSIEWICZ, 1993: Sieci neuronowe. Akadem. Ofic. Wyd., Warszawa.
• 19.K. THIRUMALAIAH, M.C. DEO, 2000: Hydrological forecasting using neural networks. Journal of Hydrologie Engineering, April 2000, 180-189.
• 20.S.L. ZHOU, T.A. MCMAHON, A. WALTON, J. LEWIS, 2000: Forecasting daily urban water demand: a case study of Melbourne. Journal of Hydrology, 236, 153-164.
• 21.S.L. ZHOU, T.A. MCMAHON, A. WALTON, J. LEWIS, 2002: Forecasting operational demand for an urban water supply zone. Journal of Hydrology, 259, 189-202.