Warianty tytułu
Modeling and Prediction of the Hydraulic Load of Communal Water Networks Using Time Series Methods, Neuronal Nets and Fuzzy Sets
Języki publikacji
Abstrakty
W artykule przedstawiono modele matematyczne wyznaczone do prognozowania obciążenia sieci wodociągowej. Tego rodzaju prognozy są potrzebne do usprawnienia sterowania siecią wodociągową. Przedstawione modele wyznaczono przy użyciu szeregów czasowych, sieci neuronowych i zbiorów rozmytych, na przykładzie danych rzeczywistych z wodociągów rzeszowskich. Zastosowanie różnych opisów do formułowania modeli pozwoliło wybrać metody najbardziej skuteczne do wyznaczania prognoz obciążenia sieci wodociągowej. (abstrakt oryginalny)
In the paper neuronal, fuzzy set and time series models for the prediction of the water nets hydraulic load are presented. Such the forecasting is needed to improve the control procedures for the water networks as well as for predicting the hydraulic loads of the wastewater nets and of the sewage treatment plants. Proper forecasts of these later loads make possible as a result the development of correct algorithms for predictive operational control of the wastewater objects in the waterworks. The calculation results obtained show, that the best, i.e. most accurate models have been got with the most primitive time series method of Kalman although the models calculated with others methods are not considerably worse. This concerns the models obtained for the short time forecasting of a couple of days. (original abstract)
Rocznik
Tom
Strony
31--48
Opis fizyczny
Twórcy
autor
- Polska Akademia Nauk
autor
- Polska Akademia Nauk
autor
- Instytut Badań Systemowych PAN
Bibliografia
- [1] Bartkiewicz L., Studziński J. (2009): Modellierung des Abwasserzuflusses zur Kläranlage mit den Methoden der kleinsten Quadrate. In: Simulation in Umwelt- und Geowossenschaften. Workshop Koelpinsee 2009 (J. Wittmann, Hrsg.) Shaker Verlag, Aachen (w druku).
- [2] Bogdan L., Stachura M., Studziński J.: Modele prognostyczne zapotrzebowania na wodę w miejskim przedsiębiorstwie wodociągowym. Rapost IBS PAN, Warszawa 2010.
- [3] http://www.statsoft.pl/textbook/stneunet.html.
- [4] Licznar P., Łomotowski J., Rojek M. i M., Studziński J. (2001) Wybrane zagadnienia z zakresu pomiaru i metod opracowywania danych z automatycznych stacji meteorologicznych. Monografie AR we Wrocławiu, XXV, Wrocław 2001.
- [5] Łomotowski J., Siwoń Z.: Metodyka analizy danych pochodzących z monitoringu systemów wodociągowych i kanalizacyjnych. Gaz, Woda i Technika Sanitarna, nr 3'2010, 16-20.
- [6] Mańczak K., Nahorski Z. (1983) Komputerowa identyfikacja obiektów dynamicznych. PWN, Warszawa 1983.
- [7] Masters T. (1996): Sieci neuronowe w praktyce. Programowanie w języku C++, WNT Warszawa.
- [8] Nahorski Z., Studzinski J. (1988): Pakiet programów IDOL do opracowywania danych i identyfikacji obiektów dynamicznych. Prace IBS PAN, Warszawa 1988.
- [9] Piegat A. (1998) Modelowanie i sterowanie rozmyte. Seria: Problemy współczesnej nauki. Teoria i zastosowanie. Exit, Warszawa 1998.
- [10]Rojek I. (2010): Wspomaganie procesów podejmowania decyzji i sterowania w systemach o różnej skali złożoności z udziałem metod sztucznej inteligencji. Wydawnictwu UKW, Bydgoszcz 2010.
- [11]Studziński J. (1981): Dwie metody identyfikacji systemów dynamicznych. Prace IBS PAN 67, Warszawa.
- [12]Studzinski J.: Zastosowanie danych z monitoringu w systemie zarządzania miejską siecią wodociągową. Studia i Materiały PSZW (W. Bojar, red.) tom 9, PSZW Bydgoszcz 2007, 154-164.
- [13]Studziński J., Bartkiewicz L. (2009): Metody i programy wspomagające rozwiązywanie zadań modelowania i identyfikacji systemów. INSTAL 4a, str. 59-64.
- [14]Studzinski J., Straubel R.: Optymalizacja i sterowanie miejskiej sieci wodociągowej na podstawie modeli matematycznych. Studia i Materiały PSZW (W. Bojar, red.) tom 10, PSZW Bydgoszcz 2007, 181-191.
- [15]Tadeusiewicz, R.: Sieci neuronowe. Warszawa: Akademicka Oficyna Wydawnicza, 1993.
- [16]Takagi T., Sugeno M. (1985): Fuzzy identifications of systems and its applications to modeling and control. IEEE Trans. On System, Man and Cybernetics.
- [17]Wnuk P.: Algorytmy optymalizacji struktury rozmytych modeli dynamicznych. Rozprawa Doktorska - Politechnika Warszawska 2004.
- [18]Zhang G., Patuwo B. E., Hu M. Y. (1998): Forecasting with artificial neural networks: The state of the art, International Journal of Forecasting, Vol. 14, pp. 35-62.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171631498