All

What are you looking for?

All
Projects
Results
Organizations

Quick search

  • Projects supported by TA ČR
  • Excellent projects
  • Projects with the highest public support
  • Current projects

Smart search

  • That is how I find a specific +word
  • That is how I leave the -word out of the results
  • “That is how I can find the whole phrase”

Application of artificial neural networks in modelling the hydrological balance of the Ploučnice River valley, Northern Bohemia (Czech Republic)

The result's identifiers

  • Result code in IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F44555601%3A13520%2F07%3A00003729" target="_blank" >RIV/44555601:13520/07:00003729 - isvavai.cz</a>

  • Result on the web

  • DOI - Digital Object Identifier

Alternative languages

  • Result language

    angličtina

  • Original language name

    Application of artificial neural networks in modelling the hydrological balance of the Ploučnice River valley, Northern Bohemia (Czech Republic)

  • Original language description

    We have shown that multilayer perceptron neural networks can be successfully used for creating small rainfall-runoff models. These models can be built from historical time series data only. In general, one layer networks fit the "one day history" model better, while two layer networks are more succesful for the "two days' history" nodels. The designed three layers network yielded better forecast on the "one day history" data. We believe this is because bigger neural networks function better for large data sets. On the other hand, networks with more parameters tend to be over-trained and thus they achieve a smaller training error, but a larger testing error.

  • Czech name

    Aplikace umělých neuronových sítí na modelování hydrologické bilance v povodí Ploučnice, v severních Čechách (Česká republika)

  • Czech description

    Prokázali jsme, že vícevrstvé perceptronové neuronové sítě mohou být úspěšně použity pro vytvoření malých srážko-odtokových modelů. Tyto modely mohou zpracovávat pouze historické časové řady. Všeobecně jednovrstvé sítě lépe vystihují jednodenní historii,zatímco dvouvrstvé sítě jsou úspěšnější pro dvoudenní historii. Vytvořená trojvrstvá síť lépe předpovídala při jednodenní historii dat. Domníváme se, že je to způsobené tím, že větší neuronové sítě fungují lépe pro větší datové řady. Na druhou stranu, sítě s více parametry mají tendenci k přetrénování a tedy mají menší chybu při tréninku, ale větší chybu při testování.

Classification

  • Type

    D - Article in proceedings

  • CEP classification

    DO - Protection of landscape

  • OECD FORD branch

Result continuities

  • Project

    <a href="/en/project/GA526%2F03%2FZ042" target="_blank" >GA526/03/Z042: Modeling the rainfall-runoff relationships by artificial intelligence methods</a><br>

  • Continuities

    S - Specificky vyzkum na vysokych skolach

Others

  • Publication year

    2007

  • Confidentiality

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Data specific for result type

  • Article name in the collection

    Sandstone Landscapes

  • ISBN

    978-80-200-1577-8

  • ISSN

  • e-ISSN

  • Number of pages

    3

  • Pages from-to

    90-92

  • Publisher name

    Academia

  • Place of publication

    Praha

  • Event location

    Doubice

  • Event date

    Jan 1, 2002

  • Type of event by nationality

    WRD - Celosvětová akce

  • UT code for WoS article