Réseau de neurones artificiels dans l'ingénierie de l'eau

Les prévisions d'événements futurs sont nécessaires dans de nombreuses activités associées à la planification et à l'exploitation des composantes d'un système de ressources en eau. Pour la composante hydrologique, il est nécessaire de disposer de prévisions à court et à long terme des séries temporelles hydrologiques afin d'optimiser le système ou de planifier une expansion ou une réduction future. Ce document présente la comparaison de différentes techniques de réseaux neuronaux artificiels (RNA) pour la prévision à court terme des débits journaliers continus et intermittents et la prévision des sédiments en suspension journaliers. Trois techniques ANN différentes, à savoir la rétropropagation par avance (FFBP), les réseaux neuronaux à régression généralisée (GRNN) et les réseaux neuronaux à base de fonctions radiales (RBF), sont appliquées aux données hydrologiques. En général, les performances de prévision des techniques ANN sont supérieures à celles des autres méthodes statistiques et stochastiques conventionnelles en termes de critères de performance sélectionnés.

Autorentext

Dr. Shahide Dehghan, Ph.D., Abteilung für Geographie, Najafabad Branch, Islamic Azad University, Najafabad, Iran. Technische Fähigkeiten sind Klimatologie, statistische Analyse, Geographie, Geo-Naturgefahren, Geomorphologie, Faktorenanalyse, Datenanalyse, Klimawandel, Atmosphäre, globale Erwärmung, Klimawissenschaften, Versicherungsinvestitionen, Wasserressourcen.

Klappentext

Les prévisions d'événements futurs sont nécessaires dans de nombreuses activités associées à la planification et à l'exploitation des composantes d'un système de ressources en eau. Pour la composante hydrologique, il est nécessaire de disposer de prévisions à court et à long terme des séries temporelles hydrologiques afin d'optimiser le système ou de planifier une expansion ou une réduction future. Ce document présente la comparaison de différentes techniques de réseaux neuronaux artificiels (RNA) pour la prévision à court terme des débits journaliers continus et intermittents et la prévision des sédiments en suspension journaliers. Trois techniques ANN différentes, à savoir la rétropropagation par avance (FFBP), les réseaux neuronaux à régression généralisée (GRNN) et les réseaux neuronaux à base de fonctions radiales (RBF), sont appliquées aux données hydrologiques. En général, les performances de prévision des techniques ANN sont supérieures à celles des autres méthodes statistiques et stochastiques conventionnelles en termes de critères de performance sélectionnés.