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

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

—

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.

Type

D - Article in proceedings

CEP classification

DO - Protection of landscape

OECD FORD branch

—

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

Publication year

2007

Confidentiality

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

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

—