- Tytuł:
-
Using artificial neural network (ANN) for prediction of sediment loads, application to the Mellah catchment, northeast Algeria
Zastosowanie sztucznych sieci neuronowych do przewidywania ładunku zawiesiny; przypadek zlewni rzeki Mellah w północno-wschodniej Algierii - Autorzy:
-
Bouzeria, H.
Ghenim, A. N.
Khanchoul, K. - Powiązania:
- https://bibliotekanauki.pl/articles/292931.pdf
- Data publikacji:
- 2017
- Wydawca:
- Instytut Technologiczno-Przyrodniczy
- Tematy:
-
ANN models
discharge
Mellah catchment
MLP
north east of Algeria
prediction
sediment
modele sztucznych sieci neuronowych (ANN)
odpływ
północno-wschodnia Algieria
przewidywanie
zawiesina
zlewnia Mellah - Opis:
-
In this study, we present the performances of the best training algorithm in Multilayer Perceptron (MLP)
neural networks for prediction of suspended sediment discharges in Mellah catchment. Time series data of daily
suspended sediment discharge and water discharge from the gauging station of Bouchegouf were used for training
and testing the networks. A number of statistical parameters, i.e. root mean square error (RMSE), mean absolute
error (MAE), coefficient of efficiency (CE) and coefficient of determination (R2) were used for performance
evaluation of the model. The model produced satisfactory results and showed a very good agreement between
the predicted and observed data. The results also showed that the performance of the MLP model was capable to
capture the exact pattern of the sediment discharge data in the Mellah catchment.
W niniejszej pracy przedstawiono działanie najlepszego algorytmu sieci neuronowych z użyciem wielowarstwowego perceptronu do przewidywania odpływu zawiesiny ze zlewni rzeki Mellah. Do treningu i testowania sieci użyto serii czasowych dobowego odpływu zawiesiny i odpływu wody z profilu wodowskazowego Bouchegouf. Do oceny działania modelu wykorzystano szereg parametrów statystycznych, takich jak pierwiastek ze średniego błędu kwadratowego, średni błąd bezwzględny, współczynnik wydajności i współczynnik determinacji. Model dawał zadowalające wyniki i wykazywał bardzo dobrą zgodność między obserwowanymi i przewidywanymi danymi. Wyniki świadczą także, że model jest w stanie wychwycić szczegółowy wzorzec odpływu zawiesiny ze zlewni rzeki Mellah. - Źródło:
-
Journal of Water and Land Development; 2017, 33; 47-55
1429-7426
2083-4535 - Pojawia się w:
- Journal of Water and Land Development
- Dostawca treści:
- Biblioteka Nauki
Artykuł