Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "pobor wody" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Modelowanie poboru wody w osiedlach mieszkaniowych
    Water demand modeling for housing estates
    Autorzy:
    Cieżak, W.
    Siwoń, Z.
    Cieżak, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/237536.pdf
    Data publikacji:
    2008
    Wydawca:
    Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
    Tematy:
    sieć wodociągowa
    pobór wody
    sieć neuronowa
    modelowanie
    water supply system
    water demand
    artificial neural networks
    Opis:
    W pracy podano zasady wyznaczania i prognozowania histogramów chwilowego poboru wody w ciągu doby na przykładzie wydzielonych rejonów sieci wodociągowych we Wrocławiu i Kłodzku. Wykazano przydatność stosowania sztucznych sieci neuronowych w procesach kalibracji i weryfikacji modeli hydraulicznych oraz w dynamicznym modelowaniu przepływu wody w sieci wodociągowej. Przeprowadzona analiza skuteczności sztucznych sieci neuronowych w bieżącym prognozowaniu dobowych profili godzinowego poboru wody w osiedlach mieszkaniowych wykazała względnie dobrą jakość predykcji, porównywalną lub lepszą od jakości predykcji wg modeli klasy ARIMA i metod wykładniczego wygładzania szeregów czasowych. Wykazano, że optymalne struktury sieci perceptronowych nie są skomplikowane, przez co proces ich douczania lub uczenia od nowa nie wymaga długotrwałych obliczeń. W procedurach doboru tych struktur można ograniczyć opóźnienie do 5 d tego samego typu (dni robocze, soboty oraz niedziele i święta), liczbę warstw ukrytych do 1 oraz liczbę neuronów w warstwie ukrytej do 15. Sieci neuronowe mogą być wykorzystywane między innymi w procesach kalibracji modeli przepływu wody w systemach wodociągowych oraz w komputerowych badaniach symulacyjnych działania tych systemów. Doboru optymalnych struktur sieci można dokonać w oparciu o pakiety "Sieci neuronowe" programu STATISTICA (wersja od 6 do 8).
    The principles of determining and forecasting 24-hour water demand histograms for specific user groups are discussed, using two different water supply subsystems as examples (in Wroclaw and Klodzko). The applicability of artificial neural networks to the calibration and verification of hydraulic models, as well as to the modeling of flow in water supply systems, has been confirmed. Analysis of the efficiency of artificial neural networks in forecasting 24-hour profiles of hourly water demand in housing estates has revealed a relatively high quality of prediction, which is comparable to, or higher than, the quality of the predictions obtained with models of ARIMA class or with exponential smoothing of the time series. It has been demonstrated that the optimal structures of perceptron networks are not of a complex nature, so the process of their education or re-education does not require long-lasting computations. In the procedures of choosing those structures the delay can be reduced to 5 days of the same category (working days, weekends, national holidays, bank holidays), the number of hidden layers to 1, and the number of neurons in the hidden layer to 15. Neural networks can also be used for calibrating the models of water flow in water supply systems, as well as for computer simulations showing how these systems function. The optimal structures of the networks can be chosen using the packets 'Neural networks' of the software STATISTICA (v. 6 to 8).
    Źródło:
    Ochrona Środowiska; 2008, 30, 2; 23-28
    1230-6169
    Pojawia się w:
    Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie wielowarstwowych sztucznych sieci neuronowych do średnioterminowego prognozowania poboru wody – studium przypadku
    Application of multilayer perceptron artificial neural networks to mid-term water consumption forecasting – a case study
    Autorzy:
    Piasecki, A.
    Jurasz, J.
    Marszelewski, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/237135.pdf
    Data publikacji:
    2016
    Wydawca:
    Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
    Tematy:
    sieć wodociągowa
    pobór wody
    prognozowanie
    sztuczne sieci neuronowe
    zmienna objaśniająca
    water supply system
    water consumption
    forecasting
    artificial neural networks
    exogenous variable
    Opis:
    Do prognozowania miesięcznego poboru wody w wybranym mieście o średniej wielkości wykorzystano wielowarstwowe sztuczne sieci neuronowe. Badaniem objęto jedno z osiedli w Toruniu – Czerniewice, które ma własny system wodociągowym (inny niż pozostała część miasta). Początkowo w analizie uwzględniono dziewięć zmiennych objaśniających, opisujących warunki meteorologiczne, ekonomiczne i społeczne. W trakcie prognozowania okazało się, że wykorzystanie wszystkich zgromadzonych zmiennych wejściowych korelujących z poborem wody nie dało prognoz najlepszych jakościowo. Najlepszy wynik w tym zakresie (oceniony na podstawie wartości błędu typu MAPE) uzyskano w przypadku modelu zbudowanego na podstawie takich zmiennych, jak liczba osób korzystających z wodociągu, cena wody, maksymalna temperatura i wilgotność powietrza oraz średni dochód na jednego mieszkańca. Wykazano, że zakres zmiennych uwzględnianych w prognozowaniu poboru wody za pomocą sieci neuronowych wymaga dostosowania do warunków lokalnych. W rozpatrywanym przypadku sztuczne sieci neuronowe potwierdziły swą użyteczność w zakresie średnioterminowego prognozowania poboru wody.
    Multilayer perceptron (MLP) artificial neural networks were employed to monthly water consumption forecasting. Research encompassed Czerniewice, one of the estates in Torun with a dedicated waterworks system (different from the other part of the town). Initially, nine exogenous variables describing meteorological, economic and social conditions were examined. The forecasting process revealed that implementation of all input variables correlating with water consumption did not lead to the highest quality forecasts. In terms of quality, the best result (evaluated based on MAPE criterion) was achieved for a model built on variables such as number of residents with access to waterworks, water rate, maximum temperature and humidity, and average income per inhabitant. It was demonstrated that the selection of input variables used for water consumption forecasting should be adjusted to local conditions. In the example considered, artificial neural networks proved useful in mid-term water consumption forecasting.
    Źródło:
    Ochrona Środowiska; 2016, 38, 2; 17-22
    1230-6169
    Pojawia się w:
    Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie sztucznych sieci neuronowych Kohonena do prognozowania dobowego poboru wody.
    Application of Kohonen Artificial Neural Networks to the Prediction of Daily Water Consumption.
    Autorzy:
    Licznar, P.
    Łomotowski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/237690.pdf
    Data publikacji:
    2006
    Wydawca:
    Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
    Tematy:
    dobowy pobór wody
    prognozowanie
    sieci neuronowe Kohonena
    daily water consumption
    prediction
    artificial neural networks
    perceptron networks
    Self-Organizing Feature Map (SOFM)
    Opis:
    W pracy przedstawiono wyniki badań nad zastosowaniem samoorganizujących sieci Kohonena do prognozowania dobowego poboru wody. Dotychczas do prognozowania poboru wody używano sztucznych sieci neuronowych najprostszych typów, głównie sieci perceptronowych o pojedynczej warstwie ukrytej. Otrzymywano przy tym wyniki porównywalne lub lepsze od modeli stochastycznych opartych o analizę szeregów czasowych, jednakże sieci te nie pozwalały wniknąć w istotę kształtowania się procesu poboru wody. Wagi poszczególnych neuronów sieci perceptronowych, ustalane w trakcie ich uczenia, nie są bowiem powiązane z fizycznymi cechami prognozowanego szeregu czasowego. Z tego względu podjęto próbę zastosowania samoorganizujących sieci Kohonena dla prognozowania dobowego poboru wody w sieci wodociągowej. W badaniach wykorzystano szereg czasowy dobowego zużycia wody z lat 1996-2002 jednego z większych polskich wodociągów. Prognoza była wykonana dwuetapowo. Pierwszym jego etapem było prognozowanie sumarycznego tygodniowego rozbioru wody przy użyciu prostej sieci perceptronowej szeregu czasowego. W następnym etapie prognozowany całkowity, tygodniowy, rozbiór był rozdzielany na poszczególne dni tygodnia, zgodnie z wzorcami rozpoznanymi dla poszczególnych okresów roku przez samoorganizującą się strukturę sieci Kohonena. Otrzymywane wyniki były porównywalne z wcześniejszymi rezultatami autorów, uzyskanymi na tym obiekcie do prognozowania przy wykorzystaniu prostych sieci neuronowych oraz metody wygładzania wykładniczego. Dodatkowym - poznawczym - wynikiem przeprowadzonych badań są opracowane, przy wykorzystaniu sieci samoorganizującej się na zasadzie współzawodnictwa, profile tygodniowego poboru wody.
    The objective of the study was to develop a hybrid tool for predicting daily water consumption by the combined use of the perceptron and Kohonen artificial neural networks. The investigations included a 7-year time series of total daily water consumption in the time span of 1996 to 2002, coming from one of Poland's largest water distribution systems. The prediction process was a two-stage one. At the first stage, the Self-Organizing Feature Map (SOFM) was made in order to establish the weekly water distribution patterns that are typical for each season of the year. At the second stage, a simple single hidden layer perceptron networks was built to enable the prediction of total weekly water consumption. Owing to the combined use of the perceptron and Kohonen artificial neural networks it was possible to work out high-quality daily water consumption predictions and to identify typical seasonal patterns of weekly water consumption.
    Źródło:
    Ochrona Środowiska; 2006, R. 28, nr 1, 1; 45-48
    1230-6169
    Pojawia się w:
    Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modele neuronowe szeregów czasowych godzinowego poboru wody w osiedlach mieszkaniowych
    Neural network models of hourly water demand time series in housing areas
    Autorzy:
    Siwoń, Z.
    Cieżak, W.
    Cieżak, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/237770.pdf
    Data publikacji:
    2011
    Wydawca:
    Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
    Tematy:
    sztuczne sieci neuronowe
    szeregi czasowe
    prognozowanie
    pobór wody
    system wodociągowy
    artificial neural networks
    time series
    forecasting
    water demand
    water supply system
    Opis:
    Omówiono wyniki modelowania i prognozowania szeregów czasowych poboru wody z miejskich sieci wodociągowych na potrzeby optymalnego sterowania procesem zaopatrzenia w wodę. Zaprezentowano wyniki weryfikacji sztucznych sieci neuronowych na przykładzie wydzielonego rejonu sieci wodociągowej w Kłodzku i we Wrocławiu. Przedstawiono analizę przydatności sztucznych sieci neuronowych w bieżącym prognozowaniu szeregów czasowych godzinowego poboru wody, która wykazała, że optymalne struktury sieci perceptronowych i liniowych nie są skomplikowane, co między innymi ułatwia proces ich douczania lub uczenia od nowa. W praktyce błędy prognozowania przy wykorzystaniu wielowarstwowych perceptronowych sieci neuronowych i liniowych sieci neuronowych okazały się porównywalne lub mniejsze od błędów predykcji wg modeli klasy ARIMA i metod wykładniczego wygładzania szeregów czasowych. Wykazano, że przydatność sieci o radialnych funkcjach bazowych do prognozowania dobowych histogramów godzinowego poboru wody była ograniczona i jednocześnie mniejsza niż sieci liniowych oraz perceptronowych.
    The paper outlines the results of modeling and forecasting the water demand time series for the optimal control of water supply processes in municipal water supply systems. The results of verification of the artificial neural network models have been presented for a separate water supply subsystem in Klodzko and in Wroclaw. Analysis of the performance of artificial neural networks when used to develop current predictions of the time series for hourly water demand has revealed that the optimal structures of perceptron and linear networks are not very complicated, which facilitates the process of additional training or re-training. Practically, it has been found that forecasting produces comparable or smaller errors when focused on multilayer perceptron neural networks and linear neural networks than when based on the use of ARIMA models and exponential smoothing of the time series. Applicability of neural networks of radial base functions (RBF) to forecasting daily water demand histograms is limited, and lesser than that of linear and perceptron networks.
    Źródło:
    Ochrona Środowiska; 2011, 33, 2; 23-26
    1230-6169
    Pojawia się w:
    Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies