Beschreibung
Prognosen zukünftiger Ereignisse sind für viele der Aktivitäten erforderlich, die mit der Planung und dem Betrieb der Komponenten eines Wasserressourcensystems verbunden sind. Für die hydrologische Komponente werden sowohl kurz- als auch langfristige Vorhersagen hydrologischer Zeitreihen benötigt, um das System zu optimieren oder eine zukünftige Erweiterung oder Reduzierung zu planen. In diesem Beitrag werden verschiedene Techniken künstlicher neuronaler Netze (ANN) für kurzfristige kontinuierliche und intermittierende tägliche Abflussvorhersagen und tägliche Vorhersagen von Schwebstoffen verglichen. Drei verschiedene ANN-Techniken, nämlich Feed Forward Back Propagation (FFBP), Generalized Regression Neural Networks (GRNN) und Radial Basis Function-based Neural Networks (RBF) werden auf die hydrologischen Daten angewendet. Im Allgemeinen wird festgestellt, dass die Vorhersageleistung der ANN-Techniken den anderen konventionellen statistischen und stochastischen Methoden in Bezug auf die ausgewählten Leistungskriterien überlegen ist.
Autorenporträt
Shahide Dehghan, Ph.D., Departamento de Geografia, Najafabad Branch, Universidade Islâmica Azad, Najafabad, Irão. As Competências Técnicas são Redes Neuronais Artificiais, Climatologia, Geografia, Riscos Geo-Naturais, Geomorfologia, Alterações Climáticas, Atmosfera, Aquecimento Global, Ciências Climáticas, Investimento de Seguros, Gestão de Recursos Hídricos.
Herstellerkennzeichnung:
BoD - Books on Demand
In de Tarpen 42
22848 Norderstedt
DE
E-Mail: info@bod.de
