-
Tytuł
-
Metoda sztucznych sieci neuronowych w prognozowaniu bieżącym zapotrzebowania na wodę w Krakowie
-
Wariant tytułu
-
Artificial neural network method in operational prediction of water demand in Krakow
-
Autor
-
Muszyński, Krzysztof
-
Promotor
-
dr hab. inż. Krzysztof Knapik, prof. PK
-
Data wydania
-
2012
-
Data obrony
-
14.11.2012
-
Wydawca
-
[s.n.]
-
Język
-
polski
-
Słowa kluczowe
-
sztuczne sieci neuronowe, predykcja, zaopatrzenie w wodę, prognoza bieżąca, system dystrybucji wody
artificial neural network, prediction, water demand, operational forecast, water supply system
-
Abstrakt
-
Autor przedstawia budowę oraz możliwości sztucznych sieci neuronowych jako nowoczesnego narzędzia predykcyjnego. Uwzględniono podstawowe ich zalety, w porównaniu z tradycyjnymi metodami ARIMA. Opisano próby stosowania sztucznych sieci neuronowych jako modeli predykcyjnych oraz charakterystykę etapów budowy takiego modelu. Dysertacja jest próbą odpowiedzi na postawioną tezę, że sztuczne sieci neuronowe są alternatywnym (w stosunku do metod statystycznych), łatwym i szybkim w konstrukcji oraz prostym w użyciu narzędziem rekursywnym do prognozowania godzinowego zapotrzebowania na wodę i nadającym się do praktycznego wykorzystania w pracy przedsiębiorstwa wodociągowo-kanalizacyjnego w oparciu o podstawowe dane.
Praca ta porusza zagadnienia budowy i przygotowania modelu predykcyjnego opartego na obliczeniach neuronowych oraz opisuje wyniki jego zastosowania oraz rozwiązuje następujące cele cząstkowe:
• określenie optymalnych zbiorów danych opisujących proces rozbioru wody w Krakowie,
• określenie optymalnej struktury sieci neuronowej służącej do prognozy zużycia wody w Krakowie,
• określenie najodpowiedniejszego algorytmu uczenia sieci neuronowej służącej do prognozy zużycia wody w Krakowie,
• zbadanie możliwości sztucznych sieci neuronowych do predykcji godzinowego zapotrzebowania na wodę w Krakowie,
• zweryfikowanie pracy sieci, alternatywnym, dostępnym i znanym modelem prognostycznym ARIMA. Wyniki obliczeń zrealizowano wykorzystując własny algorytm opracowany w środowisku MATLAB. Uwzględniono szereg czasowy danych godzinowego zapotrzebowania na wodę oraz dane egzogeniczne: meteorologiczne i kalendarzowe do predykcji rozbioru godzinowego. Zastosowano metodę SSN do prognozy na podstawie niepełnego cyklu zużycia wody, z 3 kolejnych miesięcy.
Author shows building and possibilities of artificial neural networks as modern prediction tool. This article takes into consideration basic advantages of artificial neural networks in comparison with traditional methods ARIMA. Attempts of using artificial neural networks as prediction models and characteristic of structure that kind of models are also described. This dissertation is an attempt of search answer the following thesis work. Artificial neural networks are an alternative (in comparison to statistical methods), easy and fast in construction and simple to use tool for recursive forecasting of hourly water demand and suitable practical utilization instrument for water and sewer companies based on the basic data.
This work raises the issue of building and preparation aprediction model based on a neural calculation. In addition, dissertation solves the following partial goals:
• characterize an optimal sets of data describing the process of water consumption in Krakow,
• describe the optimal structure of the artificial neural network used for prediction of water consumption in Krakow,
• characterize the most appropriate neural network learning algorithm used for prediction of water consumption in Krakow,
• describe the possibility of artificial neural networks to predict hourly the demand for water in Krakow,
• verify the network operation, with the aid of an alternative, accessible and well-known statistical ARIMA model. Results of calculations was executed based on own algorithm developed in MATLAB. The hourly water demand time series and exogenous data weather and calendar were taken to predict the hourly water demand in Krakow. ANN method was applied to the prediction based on water consumption from three consecutive months.
-
Klasyfikacja PKT
-
622300 Zaopatrzenie w wodę
662100 Urządzenia techniczno-sanitarne. Wodociągi. Kanalizacja
840000 Prognostyka. Prognozowanie
620000 Gospodarka wodna
660000 Gospodarka komunalna
-
Wydział
-
Wydział Inżynierii Środowiska i Energetyki
-
Licencja
-
Licencja PK. Brak możliwości edycji i druku.
-
Prawa dostępu
-
Zasób dostępny dla wszystkich
-
Link do katalogu BPK
-
