Prognozowanie obciążenia sieci wodociągowej przy użyciu hybrydowych sieci neuronowych o zróżnicowanej wiarygodności

• Autorzy: Izabela Rojek

Warianty tytułu

Forecasting the Load of Water Supply Network by the Use of Hybrid Neural Networks of Different Credibility

• Języki publikacji: PL

Abstrakty

Referat przedstawia prognozowanie obciążenia sieci wodociągowej przy użyciu hybrydowych sieci neuronowych o zróżnicowanej wiarygodności. Hybrydowe sieci neuronowe zostały utworzone jako modele predykcji. Zostały one opracowane w postaci złożenia prostych sieci neuronowych: liniowej sieci neuronowej z jednokierunkową wielowarstwową siecią neuronową ze wsteczną propagacją błędu (L-MLP), sieci L z siecią neuronową o radialnych funkcjach bazowych (L-RBF), sieci MLP z siecią RBF (MLP-RBF) oraz sieci L z siecią MLP i siecią RBF (L-MLP- RBF). Zróżnicowanie wiarygodności prostych sieci neuronowych było niezbędne ze względu na ich jakość jako modeli. (abstrakt oryginalny)

EN

The paper presents prognosis of the loading of water supply network by use of hybrid neural networks about differential credibility. Hybrid neural networks were created as forecasting models. The networks were created as composition of simple networks: linear neural network with multi-layer network with error back propagation (L-MLP), L network with Radial Basis Function network (L-RBF), MLP network with RBF network (MLP-RBF) and L network with MLP network and RBF network (L-MLP-RBF). The differentiation of the credibility of simple neural networks was indispensable with regard on their quality as models. (original abstract)

Słowa kluczowe

PL

Sieci neuronowe; Prognozowanie; Sieć wodociągowa

EN

Neural networks; Forecasting; Water supply network

• Czasopismo: Studia i Materiały Polskiego Stowarzyszenia Zarządzania Wiedzą
• Rocznik: 2010
• Tom: 33
• Strony: 193--200

Twórcy

autor

Izabela Rojek

• Uniwersytet Kazimierza Wielkiego w Bydgoszczy

Bibliografia

• Grzeszczyk T. A.: Sztuczna inteligencja we wspomaganiu procesu prognozowania w przedsiębiorstwie. StatSoft Polska, Kraków 2005.
• Lula P.: Ocena modeli neuronowych wykorzystywanych w zagadnieniach modelowania i prognozowania. [w:] Klasyfikacja i analiza danych - teoria i zastosowania, Jajuga K., Walesiak M., red., "Prace Naukowe AE we Wrocławiu", 874, Taksonomia 7, Wrocław 2000.
• Rojek I.: Wspomaganie procesów podejmowania decyzji i sterowania w systemach o różnej skali złożoności z udziałem metod sztucznej inteligencji, Wydawnictwo UKW, Bydgoszcz 2010.
• Rutkowski L.: Metody i techniki sztucznej inteligencji, Inteligencja obliczeniowa, Wydawnictwa Naukowe PWN, Warszawa 2005.
• Studziński J., Bogdan L.: Informatyczny system wspomagania decyzji do zarządzania, sterowania operacyjnego i planowania miejskiego systemu wodno-ściekowego, [w:] Rozwój i zastosowania metod ilościowych i technik informatycznych wspomagających procesy decyzyjne, Studziński J., Drelichowski L., Hryniewicz O., red., Instytut Badań Systemowych Polska Akademia Nauk, Badania Systemowe, 49, Warszawa 2006, s. 149157.
• Tadeusiewicz R., Lula P.: Statistica Neural Networks 4.0 PL: Wprowadzenie do sieci neuronowych, StatSoft Polska, Kraków 2001.