Evaluation of the Application of Neural Networks on Real-Time River Flow Prediction
محل انتشار: ششمین کنفرانس بین المللی مهندسی عمران
سال انتشار: 1382
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,298
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCE06_446_1472569404
تاریخ نمایه سازی: 25 مهر 1384
چکیده مقاله:
This study aimed to model river flow in a multi-gauging station catchment and provide real-time prediction of peak flow downstream using artificial neural networks (ANN). Three types of ANN (Multi-Layer Perceptron (MLP), Recurrent, and Time Lag Recurrent) were adapted to evaluate the applicability of this technique. The study area covers the Upper Derwent River, a tributary of the River Trent in the UK. River flow was predicted at the subject site with lead times of 3, 6, 9 and 12 hours. Tests were completed using different lengths of input data to evaluate the effect of input data size in model outputs. The number of gauging sites to be used as data sources in the model was also evaluated. According to the results of this research it can be said that for real-time forecasting of flow in gauged catchments the type of neural network is an important factor and dynamic architectures, especially general recurrent networks, show a superior ability even for longer prediction horizons
کلیدواژه ها:
نویسندگان
M. T. Dastorani
School of Civil Engineering, University of Nottingham, Nottingham NG ۷ ۲RD, UK
N. G. Wright
School of Civil Engineering, University of Nottingham, Nottingham NG ۷ ۲RD, UK
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :