Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 2

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
A strategic vision to ensure an adequate, safe and secure drinking water supply presents a challenge, particularly for such a small country as Jordan, faced with a critical supply-demand imbalance and a high risk of water quality deterioration. In order to provide sustainable and equitable long-term water management plans for the future, current and future demands, along with available adaptation options should be assessed through community engagement. An analysis of available water resources, existing demands and use per sector served to assess the nation’s historic water status. Taking into account the effect of both population growth and rainfall reduction, future per sector demands were predicted by linear temporal trend analysis. Water sector vulnerability and adaptation options were assessed by engaging thirty five stakeholders. A set of weighed-criterions were selected, adopted, modified, and then framed into comprehensive guidelines. A quantitative ratio-level approach was used to quantify the magnitude and likelihood of risks and opportunities associated with each proposed adaptation measure using the level of effectiveness and severity status. Prioritization indicated that public awareness and training programs were the most feasible and effective adaptation measures, while building new infrastructure was of low priority. Associated barriers were related to a lack of financial resources, institutional arrangements, and data collection, sharing, availability, consistency and transparency, as well as willingness to adapt. Independent community-based watershed-vulnerability analyses to address water integrity at watershed scale are recommended.
PL
Zapewnienie zasobów wody pitnej dobrej jakości i odpowiedniej ilości stanowi wyzwanie, szczególnie dla państw rozwijających się, np. Jordanii, które doświadczają skrajnie niezrównoważonego popytu i podaży oraz narażone są na ryzyko pogorszenia jakości wody. Obecny i przyszły popyt oraz możliwości adaptacyjne gospodarki wodnej powinno się oceniać na podstawie planów uwzgledniających sprawiedliwy rozrząd wody i analizę istniejących zasobów. Znajomość dostępnych zasobów wodnych, istniejącego zapotrzebowania i zużycia wody w poszczególnych sektorach posłużyły do oceny stanu gospodarki wodnej w Jordanii. Uwzględniając wpływ zarówno wzrostu populacji, jak i zmniejszenia wielkości opadów, przewidziano przyszłe zapotrzebowanie poszczególnych sektorów na wodę, stosując analizę liniowych trendów czasowych. Wrażliwość sektora wodnego i opcje adaptacyjne oceniono, biorąc pod uwagę 35 użytkowników wody. Wybrano, przyjęto i zmodyfikowano zestaw kryteriów ważonych i następnie ujęto je w formę całościowych wytycznych. Do oceny wielkości i prawdopodobieństwa ryzyka oraz korzyści związanych z każdym z proponowanych środków adaptacyjnych zastosowano proporcjonalne podejście ilościowe uwzględniając poziom wydajności i wagę danej sytuacji. Na podstawie rankingu priorytetów stwierdzono, że kształtowanie świadomości społecznej i programy szkoleniowe były środkami najbardziej skutecznymi i najłatwiejszymi do zastosowania. Budowa nowej infrastruktury miała niski priorytet. Brak środków finansowych, założenia instytucjonalne, zbieranie, wymiana, dostępność, zwartość i przejrzystość informacji oraz skłonność do adaptacji stanowiły barierę w tych działaniach. Zaleca się niezależne społecznościowe analizy wrażliwości zlewni, by zwrócić uwagę na znaczenie wody dla wszystkich działów gospodarki w skali całej zlewni.
EN
Runoff forecasting in mountainous regions with processed based models is often difficult and inaccurate due to the complexity of the rainfall-runoff relationships and difficulties involved in obtaining the required data. Machine learning models offer an alternative for runoff forecasting in these regions. This paper explores and compares two machine learning methods, support vector regression (SVR) and wavelet networks (WN) for daily runoff forecasting in the mountainous Sianji watershed located in the Himalayan region of India. The models were based on runoff, antecedent precipitation index, rainfall, and day of the year data collected over the three year period from July 1, 2001 and June 30, 2004. It was found that both the methods provided accurate results, with the best WN model slightly outperforming the best SVR model in accuracy. Both the WN and SVR methods should be tested in other mountainous watershed with limited data to further assess their suitability in forecasting.
PL
Prognozowanie spływu z obszarów górskich z użyciem programowanych modeli jest często trudne i niedokładne z powodu złożonych zależności między opadem a spływem i problemów związanych z pozyskaniem niezbędnych danych. Modele uczenia maszynowego stwarzają alternatywę dla prognozowania spływu z takich regionów. W pracy analizowano i porównano dwie metody uczenia maszynowego - metodę regresji wektorów nośnych (SVR) i sieci falkowych (WN) do dobowego prognozowania spływu w górskiej zlewni Sianji, usytuowanej w indyjskiej części Himalajów. Modele opracowano na podstawie danych o spływie, wskaźniku poprzednich opadów, opadzie i kolejnym dniu roku za trzyletni okres od 1 lipca 2001 r. do 30 czerwca 2004 r. Stwierdzono, że obie metody zapewniają dokładne wyniki, przy czym najlepszy model WN nieco przewyższa najlepszy model SVR pod względem dokładności. Obie metody powinny być testowane w innych zlewniach górskich o ograniczonej liczbie danych, aby lepiej ocenić ich przydatność do prognozowania.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.