Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: daily water consumption

Sortuj według:

Ogranicz wyniki do:

Charakterystyka zużycia wody w Nowogrodzie Bobrzańskim

Ogiołda E., Nowogoński I., Walas M.

Rynek Instalacyjny

2015

Nr 11

76--79

Systemy zaopatrzenia w wodę charakteryzowane są przez wielkość i nierównomierność jej zużycia. Na podstawie ok. 4 tysięcy pomiarów z 12 lat eksploatacji systemu w Nowogrodzie Bobrzańskim obliczono wartości wskaźników jednostkowego średniego zużycia wody i współczynników nierównomierności dobowej. Wskazano czynniki warunkujące nierównomierność zużycia w poszczególnych dniach tygodnia i miesiącach roku. Przeprowadzono także analizę statystyczną w zakresie podstawowych parametrów i zależności między zużyciem a ceną wody. Sformułowane wnioski dotyczące wielkości i nierównomierności zużycia w czasie, porównano z wytycznymi i innymi analizowanymi systemami.

Water consumption and its irregularity characterize water supply systems. On the base of about 4000 measurements during 12 years of system in Nowogrod Bobrzanski exploitation water consumption rate and its daily irregularity coefficients were calculated and compared with literature and other results. Variability of water consumption during a week and a month was analysed. Basic statistical parameters were also evaluated. Reliance water price on its consumption was confirmed.

Zastosowanie sztucznych sieci neuronowych Kohonena do prognozowania dobowego poboru wody

Licznar P., Łomotowski J.

Ochrona Środowiska

2006

R. 28, nr 1

45-48

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.

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.