- Tytuł:
-
Forecasting suspended sediment load using regularized neural network: Case study of the Isser River (Algeria)
Prognozowanie ładunku zawiesiny z zastosowaniem regularyzowanej sieci neuronowej: przykład rzeki Isser w Algierii - Autorzy:
-
Tachi, S. E.
Ouerdachi, L.
Remaoun, M.
Derdous, O.
Boutaghane, H. - Powiązania:
- https://bibliotekanauki.pl/articles/292434.pdf
- Data publikacji:
- 2016
- Wydawca:
- Instytut Technologiczno-Przyrodniczy
- Tematy:
-
artificial neural network
Beni Amran reservoir
early stopping
Isser River
sediment load
ładunek zawiesiny
rzeka Isser
sztuczne sieci neuronowe
technika Early Stopping
zbiornik Beni Amran - Opis:
-
In the management of water resources in different hydro-systems it is important to evaluate and predict the
sediment load in rivers. It is difficult to obtain an effective and fast estimation of sediment load by artificial neural
network without avoiding over-fitting of the training data. The present paper comprises the comparison of
a multi-layer perception network once with non-regularized network and the other with regularized network using
the Early Stopping technique to estimate and forecast suspended sediment load in the Isser River, upstream
of Beni Amran reservoir, northern Algeria. The study was carried out on daily sediment discharge and water discharge
data of 30 years (1971–2001). The results of the Back Propagation based models were evaluated in terms
of the coefficient of determination (R2) and the root mean square error (RMSE). Results of the comparison indicate
that the regularizing ANN using the Early Stopping technique to avoid over-fitting performs better than
non-regularized networks, and show that the overtraining in the back propagation occurs because of the complexity
of the data introduced to the network.
Ocena i przewidywanie ładunku zawiesiny w rzekach są istotne w zarządzaniu zasobami wodnymi w różnych hydrosystemach. Trudno jest uzyskać efektywne i szybkie oszacowanie ładunku zawiesiny za pomocą sztucznych sieci neuronowych bez uniknięcia przepełnienia danymi. W niniejszej pracy porównano wyniki zastosowania wielowarstwowej sieci w dwóch wariantach – sieci nieregularyzowanej i sieci regularyzowanej z użyciem techniki Early Stopping do oceny i prognozowanie ładunku zawiesiny w rzece Isser powyżej zbiornika Beni Amran w północnej Algierii. Badania bazowały na notowaniach dobowego odpływu zawiesiny i danych dotyczących odpływu wody w ciągu 30 lat (1971–2001). Wyniki modeli opartych na metodzie wstecznej propagacji oceniono za pomocą współczynnika determinacji (R2) i pierwiastka ze średniego błędu kwadratowego. Porównanie wyników dowodzi, że sieć neuronowa regularyzowana przy pomocy techniki Early Stopping celem uniknięcia przeładowania sprawdza się lepiej niż sieć nieregularyzowana. Wyniki wskazują, że przeładowanie wstecznej propagacji ma miejsce z powodu złożoności danych wprowadzonych do sieci. - Źródło:
-
Journal of Water and Land Development; 2016, 29; 75-81
1429-7426
2083-4535 - Pojawia się w:
- Journal of Water and Land Development
- Dostawca treści:
- Biblioteka Nauki
Artykuł