Skoči na glavni sadržaj

Tehnički vjesnik, Vol. 21 No. 5, 2014.

Izvorni znanstveni članak

Potencijal support-vector regresije u prognoziranju vodotoka

Mohd Rashid Bin Mohd Radzi ; Department of Civil Engineering, Faculty of Engineering, University of Malaya, Kuala Lumpur, Malaysia
Shahaboddin Shamshirband ; Department of Computer Science, Chalous Branch, Islamic Azad University (IAU), 46615-397 Chalous, Mazandaran, Iran
Saeed Aghabozorgi ; Department of Information System, Faculty of Computer Science and Information Technology, University of Malaya, Kuala Lumpur, Malaysia
Sanjay Misra ; Department of Computer Engineering, Atilim University, 06836-Incek, Ankara, Turkey
Shatirah Akib ; Department of Civil Engineering, Faculty of Engineering, University of Malaya, Kuala Lumpur, Malaysia
Miss Laiha Mat Kiah ; Department of Computer System and Technology, Faculty of Computer Science and Information Technology, University of Malaya, Kuala Lumpur, Malaysia

Puni tekst: hrvatski pdf 1.832 Kb

str. 1017-1024

preuzimanja: 336

citiraj

Puni tekst: engleski pdf 1.832 Kb

str. 1017-1024

preuzimanja: 396

citiraj

Sažetak

Vodotok je važan za hidrološko proučavanje zato što određuje varijabilnost vode i magnitudu rijeke. Inženjerstvo vodnih resursa uvijek se bavi povijesnim podacima i pokušava procijeniti prognostičke podatke kako bi se osiguralo bolje predviđanje za primjenu kod bilo kojeg vodnog resursa, na pr. projektiranja vodnog potencijala brane hidroelektrana, procjene niskog protoka, i održavanja zalihe vode. U radu se predstavljaju tri računalna programa za primjenu kod rješavanja ovakvih sadržaja, tj. umjetne neuronske mreže - artificial neural networks (ANNs), prilagodljivi sustavi neuro-neizrazitog zaključivanja - adaptive-neuro-fuzzy inference systems (ANFISs), i support vector machines (SVMs). Za stvaranje procjene korištena je Rijeka Telom, smještena u Cameron Highlands distriktu Pahanga, Malaysia. Podaci o dnevnom prosječnom protoku rijeke Telom, kao što su količina padavina i podaci o vodostaju, koristili su se za period od ožujka 1984. do siječnja 2013. za podučavanje, ispitivanje i ocjenjivanje izabranih modela. SVM pristup je dao bolje rezultate nego ANFIS i ANNs kod procjenjivanja dnevne prosječne fluktuacije vodotoka.

Ključne riječi

vodotok; support vector stroj; neuro-neizraziti; neuronske mreže; prognoza

Hrčak ID:

129049

URI

https://hrcak.srce.hr/129049

Datum izdavanja:

29.10.2014.

Podaci na drugim jezicima: engleski

Posjeta: 1.422 *