The use of neural networks in studying the outflow from drainage pipelines

• Autorzy: Reinhard, T. , Reinhard, A.

Warianty tytułu

PL

Zastosowanie sieci neuronowych do badania odpływów z rurociągów drenarskich

• Języki publikacji: EN

Abstrakty

EN

This paper refers to capability of employment of neural network method to estimate outflow from drainage pipelines using measurements of soil water pressure at selected depths situated in the middle of drainage spanning. There was shown neural network with one input layer, one hidden layer and output layer made from one neuron. Entry training data were measurements of soil water pressure in the middle of drainage spanning (L = 10m) at depths 10, 20, 40, 60, 80 and 100 cm under surface of field and output data was outflow from drainage. Results of valuation of drainage outflow made with neural network were in the range of 4% error for data which were earlier used for learning, and 11% for new data (never used before). It belongs to note, that gotten errors of valuing drainage pipelines outflow concern research carried on presented experimental plot of ground.

PL

W pracy przedstawiono możliwość zastosowania metody sieci neuronowych do określenia odpływu z rurociągów drenarskich, wykorzystując pomiary ciśnień wody glebowej na wybranych głębokościach usytuowanych w połowie rozstawy drenowania. W artykule została przedstawiona sieć, w której wyróżnić można warstwę wejściową, jedną warstwę ukrytą, a warstwę wyjściową stanowi pojedynczy neuron. Danymi wejściowymi do nauki sieci i wyznaczania odpływu drenarskiego były pomiary ciśnień i podciśnień wody glebowej z punktów pomiarowych usytuowanych w połowie rozstawy sączków drenarskich (rozstawa L =10 m) na głębokościach 10, 20, 40, 60, 80 i 100 cm pod powierzchnią terenu, a wielkością wyjściową jest odpływ wody z drenu. Rezultaty obliczeń uzyskane za pomocą opracowanej sieci neuronowej wskazują, że błąd względny oszacowania wielkości odpływu wynosi do 4% dla danych wejściowych użytych w procesie uczenia sieci i do 11% dla danych, które nie były wykorzystywane do nauki sieci. Uzyskane błędy oszacowania odpływu drenarskiego dotyczą badań przeprowadzonych na prezentowanym poletku doświadczalnym.

Słowa kluczowe

PL

sieci neuronowe; wyznaczanie odpływu z rurociągów drenarskich

EN

neural network; estimating outflow from drainage pipelines

• Czasopismo: Journal of Water and Land Development
• Rocznik: 2005
• Tom: no. 9
• Strony: 99-108
• Opis fizyczny: Bibliogr. 9 poz., rys.

Twórcy

autor

Reinhard, T.

• Institute of Environmental Management and Protection, Agricultural Academy in Wrocław 50-363 Wrocław, pl. Grunwaldzki 24

autor

Reinhard, A.

• Institute of Environmental Management and Protection, Agricultural Academy in Wrocław 50-363 Wrocław, pl. Grunwaldzki 24

Bibliografia

• 1. HUDERTMARK W., 1990. Modellstudien zur hydrologischen Charakterisierung landwirtschaftlicher Dransysteme. Institut fur Wasserwirtschaft und Landschaftsokologie der Christian-Albrechts-Universitat Kiel: 15.
• 2. KOSIŃSKI R.A.. 2002. Sztuczne sieci neuronowe. (Artificial neural networks). Warszawa, WNT.
• 3. KOSTRZEWA S., 1975. Odpływ z sieci drenarskiej na gruntach ornych terenów równinnych na podstawie obserwacji w Czatkowicach (pow. Milicz) i Nowejwsi Książęcej (pow. Kępnono). (Outflow from the drainage network on lowland arable lands based on observations in Czatkowice (Milicz county) and in Nowawieś Książęca (Kępno county)). Zesz. Nauk. AR Wroc. Melior. 21, 115: s. 203-214.
• 4. KOSTRZEWA S., 1969. Wpływ poziomu wody gruntowej i rozstawy sączków na natężenie odpływu z drenów. (The effect of ground water table and drain spanning on the runoff intensity from drains). Wiad. Melior. 11, 83: 338-340.
• 5. LAMORSKI K.., WALCZAK R.T., 2002. Zastosowanie sieci neuronowych do wyznaczania wartości parametrów krzywej retencji wody w glebie. (Application of neural networks to estimate parameters of the curve of water retention in soil). Acta Agrophys. 72: 79-88.
• 6. MERKEL B., GRIMMEISEN W., 1985. Bauanleitung fur ein kostengunstiges Druckaufnehmer-Tensiometer. Landschaftsokologisches Messen und Auswerten 1.2/3, Brunschweig, Technische Universitat.
• 7. SHAMSELDIN ASAAD Y., O'CONNOR KIERAN M., LIANG G.C., 1997. Methods for combining the outputs of different rainfall -runoff models. J. Hydrol. 197: 203-229.
• 8. TADEUSIEWICZ R., 1993. Sieci neuronowe. (Neural networks). Problemy współczesnej nauki i techniki. Warszawa, Akad. Ofic. Wydaw. RM.
• 9. ŻURADA J., BARSKI M., JĘDRUCH W., 1996. Sztuczne sieci neuronowe. (Artificial neural networks). Warszawa, PWN.