Tytuł pozycji:
Using support vector regression to predict direct runoff, base flow and total flow in a mountainous watershed with limited data in Uttaranchal, India
- Tytuł:
-
Using support vector regression to predict direct runoff, base flow and total flow in a mountainous watershed with limited data in Uttaranchal, India
Wykorzystanie wektorów wspierających w zależnościach regresyjnych do prognozowania odpływu bezpośredniego i całkowitego w zlewniach górskich przy ograniczonej liczbie danych w zlewni Uttaranchal, Indie
- Autorzy:
-
Adamowski, J.
- Powiązania:
-
https://bibliotekanauki.pl/articles/81851.pdf
- Data publikacji:
-
2013
- Wydawca:
-
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
- Źródło:
-
Annals of Warsaw University of Life Sciences - SGGW. Land Reclamation; 2013, 45, 1
0208-5771
- Język:
-
angielski
- Prawa:
-
Wszystkie prawa zastrzeżone. Swoboda użytkownika ograniczona do ustawowego zakresu dozwolonego użytku
- Dostawca treści:
-
Biblioteka Nauki
-
Przejdź do źródła  Link otwiera się w nowym oknie
In the ecologically sensitive
Himalayan region, land transformations and
utilization of natural resources have modified
water flow patterns. To ascertain future sustainable
water supply it is necessary to predict water
flow from the watersheds as affected by rainfall
and morphological parameters. Although such
predictions may be made using available process-based models, in mountainous and hilly areas it
is extremely difficult to determine the numerous
parameters needed to run such models, thus limiting
their applicability. Artificial intelligence (AI)
based models are a possible alternative in such
circumstances. In this study an AI technique, support
vector machines (SVM), was used for modeling
the rainfall-runoff relationship from three
hilly watersheds in the state of Uttaranchal, India.
Different SVM models were developed to predict
direct runoff, base flow, and total flow based on
the daily rainfall, runoff, and morphological parameters
collected from each watershed. The results
confirm the potential of SVM models in the
prediction of runoff, base flow, and total flow in
hilly areas.
Na obszarach
wrażliwych, jakim są Himalaje, zmiany
w wykorzystaniu powierzchni obszarów górskich
oraz zasobów przyrodniczych modyfikują warunki
kształtowania się odpływu. Dla zrównoważonego
gospodarowania zasobami wodnymi w tym
regionie koniecznym jest prognozowanie odpływu
ze zlewni na podstawie opadu i warunków
morfologicznych obszaru. Prognozowanie odpływu
przy wykorzystaniu modeli deterministycznych
jest dosyć trudne i ograniczone ze względu
na trudności w identyfi kacji wielu parametrów.
W pracy zastosowano modele wykorzystujące
techniki sztucznej inteligencji (AI) za pomocą
wektorów wspierających (SVM) jako alternatywę
do modelowania zależności opadodpływ dla
trzech zlewni górskich w stanie Uttaranchal, Indie.
Wyniki zawarte w pracy potwierdzają możliwość
wykorzystanie metody SVM do prognozowania
charakterystycznych wielkości odpływu
w warunkach górskich.