Evaluation of the application of neural networks on real-time river flood prediction

سال انتشار: 1383
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,815

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

HDRS_50

تاریخ نمایه سازی: 16 آذر 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.

نویسندگان

M.T. Dastorani

Assistant Professor, Faculty of Natural Resources Engineering, University of Yazd, Iran

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 :
  • Bhattacharya B. and D.P. Solomatine, Application of artificial neural network ...
  • Dawson C.W. and R. Wilby, An artificial neural network approach ...
  • Dawson C.W. and R. Wilby, A comparison of artificial neural ...
  • Hsu K., H.V. Gupta, and S. Sorooshian, Artificial neural network ...
  • Karunanithi N., W.J. Grenney, D. Whitley, and K. Bovee, Neural ...
  • Luk K.C., J.E. Ball, and A. Sharma, Rainfall forecasting through ...
  • Minns A.W. and M.J. Hall, Artificial neural networks as rainfa ...
  • N euroD imensions, Neu roSolutions, www.nd. com, 2001. ...
  • Sezin A. Tokar and P.A. Johnson, Ra infall-runoff modeling using ...
  • نمایش کامل مراجع