- Tytuł:
-
Weekly urban water demand forecasting using a hybrid waveletbootstrap-artificial neural network approach
Tygodniowa prognoza zapotrzebowania na wodę w obszarach miejskich określana metodą hybrydową z wykorzystaniem transformaty falkowej-bootstrapu-sztucznej sieci neuronowej - Autorzy:
-
Adamowski, K.
Adamowski, J.F.
Seidou, O.
Ozga-Zielinski, B. - Powiązania:
- https://bibliotekanauki.pl/articles/81757.pdf
- Data publikacji:
- 2014
- Wydawca:
- Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
- Opis:
-
This study developed
a hybrid wavelet–bootstrapartifi cial neural network
(WBANN) model for weekly (one week)
urban water demand forecasting in situations with
limited data availability. The proposed WBANN
method is aimed at improving the accuracy and
reliability of water demand forecasting. Daily
maximum temperature, total precipitation and
water demand data for almost three years were
used in this study. It was concluded that the hybrid
WBANN model was more accurate compared to
the ANN, BANN and WANN methods, and can
be applied successfully for operational water demand
forecasting. The WBANN model simulated
peak water demand very effectively. The better
performance of the WBANN model indicated that
wavelet analysis signifi cantly improved the model’s
performance, whereas the bootstrap technique
improved the reliability of forecasts by producing
ensemble forecasts. The WBANN model was also
found to be effective in assessing the uncertainty
associated with water demand forecasts in terms
of confi dence bands; this can be helpful in operational
water demand forecasting.
W artykule zaproponowano hybrydowy model (WBANN) wykorzystujący transformatę falkową, bootstrap i sztuczną sieć neuronową do opracowania tygodniowej prognozy zapotrzebowania na wodę w obszarach miejskich przy ograniczonej dostępności danych. Proponowany model WBANN ma na celu poprawę trafności i niezawodności prognozowania zaopatrzenia w wodę. W analizach wykorzystane zostały dobowe wartości maksymalnej temperatury, sumy opadów i zapotrzebowania na wodę z 3-letniego okresu obserwacji. Stwierdzono, że hybrydowy model WBANN jest dokładniejszy od modeli ANN, BANN i WANN i z powodzeniem może być użyty do operacyjnego prognozowania zapotrzebo zapotrzebowania na wodę. Model WBANN bardzo skutecznie prognozuje szczytowy popyt na wodę. Dobre wyniki otrzymane z modelu WBANN świadczą o tym, że zastosowana analiza falkowa znacząco poprawiła dokładność modelu, a metoda bootstrapu polepszyła niezawodność (wiarygodność) modelu poprzez prognozowanie ensemblowe. Ocena niepewności z zastosowaniem przedziału ufności wykazała dużą trafność prognoz generowanych przez model WBANN oraz jego przydatność w operacyjnym wykorzystaniu. - Źródło:
-
Annals of Warsaw University of Life Sciences - SGGW. Land Reclamation; 2014, 46, 3
0208-5771 - Pojawia się w:
- Annals of Warsaw University of Life Sciences - SGGW. Land Reclamation
- Dostawca treści:
- Biblioteka Nauki
Artykuł