- Tytuł:
-
Wykorzystanie sztucznych sieci neuronowych w wymiarowaniu zbiorników retencyjnych
Using artificial neural networks for dimensioning of storage reservoirs - Autorzy:
-
Pochwat, K.
Słyś, D. - Powiązania:
- https://bibliotekanauki.pl/articles/126253.pdf
- Data publikacji:
- 2016
- Wydawca:
- Towarzystwo Chemii i Inżynierii Ekologicznej
- Tematy:
-
zbiorniki retencyjne
opad miarodajny
rozkład opadu deszczu
wymiarowanie zbiorników retencyjnych
storage reservoir
critical rainfall
rainfall distribution
dimensioning of the storage reservoir - Opis:
-
Kanalizacyjne zbiorniki retencyjne są obiektami służącymi między innymi do redukowania przepływu strumienia objętości ścieków w systemach kanalizacyjnych. Ich główną zaletą jest możliwość zwiększenia retencji w systemie, co w efekcie wpływa na poprawę bezpieczeństwa hydraulicznego zlewni poprzez ograniczenie możliwości wylania się ścieków i powstania zjawiska „powodzi miejskich”. Coraz powszechniejsze użycie obiektów retencyjnych, obserwowane zmiany klimatu oraz rozwój dostępnych narzędzi softwarowych powodują konieczność aktualizowania metod ich wymiarowania. Dotychczas najczęściej wykorzystywane w tym celu są formuły analityczne oraz narzędzia do modelowania hydrodynamicznego. W obu przypadkach podstawą do właściwego zaprojektowania obiektu retencyjnego jest wybór miarodajnego opadu deszczu o określonym prawdopodobieństwie wystąpienia i odpowiedniej długości czasu trwania, który powoduje krytyczny przepływ ścieków w systemie kanalizacyjnym i wymaga zastosowania największej niezbędnej pojemności retencyjnej zbiornika. Celem artykułu jest wykonanie analizy możliwości wykorzystania sztucznych sieci neuronowych we wstępnym szacowaniu miarodajnej długości czasu deszczu. Jej wartość jest niezbędna w procesie modelowania hydrodynamicznego funkcjonowania systemu i wyznaczenia niezbędnej pojemności retencyjnej zbiornika. W badaniach do budowy modelu sztucznej sieci neuronowej wykorzystano teorię planowania doświadczeń oraz pakiet Statistica.
Storage reservoirs are objects which serving inter alia, to reducing the volume of wastewater flow in sewer systems. Their main advantage is the possibility to increase retention in the system, which in turn improves hydraulic safety by reducing the possibility of the node flooding and the emergence of the phenomenon of "urban flooding". An increasingly common use of storage reservoirs, observed climate change and the development of available software tools makes it necessary to update the methods of its dimensioning. So far, the most well-known calculation procedures in this regard is the use of analytical formulas and tools for hydrodynamic modeling the functioning sewage systems. In both cases, the basis for the designing of the retention facility is choosing a appropriate rainfalls which a certain probability of occurrence, and appropriate duration, which causes the critical flow of rainwaters in the sewer system and requires the use of the most necessary storage capacity of the reservoir. The purpose of this article is the analyze of the possibility of using artificial neural networks in the preliminary estimation of the length of duration the critical rainfall. Its value is essential in the process of hydrodynamic modeling of the system and determine the necessary storage capacity of the reservoir. In a study for the construction of an artificial neural network model used in the theory of planning experience and Statistica package. - Źródło:
-
Proceedings of ECOpole; 2016, 10, 2; 757-766
1898-617X
2084-4557 - Pojawia się w:
- Proceedings of ECOpole
- Dostawca treści:
- Biblioteka Nauki
Artykuł