Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Journal of Water and Land Development

1 2018

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Possibility of GPS precipitable water vapour for reservoir inflow forecasting

Uang-aree P., Kingpaiboon S.

Journal of Water and Land Development

2018

no. 36

161--171

We investigated the possibility of using GPS precipitable water vapour (GPS-PWV) for forecasting reservoir inflow. The correlations between monthly GPS-PWV and the inflow of two reservoirs were examined and the relationship tested, using a group method of data handling (GMDH) type neural network algorithm. The daily and monthly reservoir inflows were directly proportional to daily and monthly GPS-PWV trends. Peak reservoir inflow, however, shifted from the peak averages for GPS-PWV. A strong relationship between GPS-PWV and inflow was confirmed by high R2 values, high coefficients of correlation, and acceptable mean absolute errors (MAE) of both the daily and monthly models. The Ubon Ratana reservoir model had a monthly MAE of 54.19∙106 m3 and a daily MAE of 5.40∙106 m3. By comparison, the Lumpow reservoir model had a monthly MAE of 25.65∙106 m3 and a daily MAE of 2.62∙106 m3. The models using GPS-PWV as input data responded to extreme inflow better than traditional variables such that reservoir inflow could be predicted using GPS-PWV without using actual inflow and rainfall data. GPS-PWV, thus, represents a helpful tool for regional and national water management. Further research including more reservoirs is needed to confirm this preliminary finding.

W pracy przedstawiono wyniki badań możliwości użycia danych GPS o zawartości pary wodnej (GPS- -PWV) do prognozowania dopływu do zbiornika. Analizowano korelacje między miesięczną wartością GPS- -PWV a dopływem do dwóch zbiorników; zależność testowano, stosując algorytm sieci neuronowej, zwany metodą grupowania argumentów (GMDH). Dobowe i miesięczne dopływy do zbiorników były proporcjonalne do dobowych i miesięcznych trendów GPS-PWV. Maksymalny dopływ odbiegał jednak od maksymalnych średnich GPS-PWV. Silna zależność między GPS-PWV a dopływem została potwierdzona dużymi wartościami R2, wysokim współczynnikiem korelacji i akceptowalnym średnim błędem bezwzględnym (MAE) zarówno w modelu dobowym, jak i miesięcznym. W modelu dla zbiornika Ubon Ratana miesięczny błąd bezwzględny wynosił 54,19∙106 m3 a dobowy – 5,40∙106 m3. Dla porównania w modelu dla zbiornika Lumpow wartość miesięczna MAE wynosiła 25,65∙106 m3, a dobowa 2,62∙106 m3. Modele z wykorzystaniem GPS-PWV jako danych wejściowych reagowały lepiej niż tradycyjne zmienne na dopływ ekstremalny i dlatego dopływ do zbiornika można przewidzieć bez znajomości rzeczywistego dopływu i danych opadowych. GPS-PWV jest więc pomocnym narzędziem w regionalnej i narodowej gospodarce wodnej. Potrzebne są dalsze badania obejmujące większą liczbę zbiorników, aby potwierdzić prezentowane wyniki wstępne.