Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Adaptive stochastic management of the storage function for a large, open reservoir using learned fuzzy models

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26110%2F22%3APU145097" target="_blank" >RIV/00216305:26110/22:PU145097 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://www.sciendo.com/article/10.2478/johh-2022-0010" target="_blank" >https://www.sciendo.com/article/10.2478/johh-2022-0010</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.2478/johh-2022-0010" target="_blank" >10.2478/johh-2022-0010</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Adaptive stochastic management of the storage function for a large, open reservoir using learned fuzzy models

  • Popis výsledku v původním jazyce

    The design and evaluation of algorithms for adaptive stochastic control of the reservoir function of a water reservoir using an artificial intelligence method (learned fuzzy model) are described in this article. This procedure was tested on the Vranov reservoir (Czech Republic). Stochastic model results were compared with the results of deterministic management obtained using the method of classical optimisation (differential evolution). The models used for controlling of reservoir outflow used single quantile from flow duration curve values or combinations of quantile values from flow duration curve for determination of controlled outflow. Both methods were also tested on forecast data from real series (100% forecast). Finally, the results of the dispatcher graph, adaptive deterministic control and adaptive stochastic control were compared. Achieved results of adaptive stochastic management were better than results provided by dispatcher graph and provide inspiration for continuing research in the field

  • Název v anglickém jazyce

    Adaptive stochastic management of the storage function for a large, open reservoir using learned fuzzy models

  • Popis výsledku anglicky

    The design and evaluation of algorithms for adaptive stochastic control of the reservoir function of a water reservoir using an artificial intelligence method (learned fuzzy model) are described in this article. This procedure was tested on the Vranov reservoir (Czech Republic). Stochastic model results were compared with the results of deterministic management obtained using the method of classical optimisation (differential evolution). The models used for controlling of reservoir outflow used single quantile from flow duration curve values or combinations of quantile values from flow duration curve for determination of controlled outflow. Both methods were also tested on forecast data from real series (100% forecast). Finally, the results of the dispatcher graph, adaptive deterministic control and adaptive stochastic control were compared. Achieved results of adaptive stochastic management were better than results provided by dispatcher graph and provide inspiration for continuing research in the field

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    10501 - Hydrology

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2022

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    Journal of Hydrology and Hydromechanics

  • ISSN

    0042-790X

  • e-ISSN

    1338-4333

  • Svazek periodika

    70

  • Číslo periodika v rámci svazku

    2

  • Stát vydavatele periodika

    SK - Slovenská republika

  • Počet stran výsledku

    9

  • Strana od-do

    213-221

  • Kód UT WoS článku

    000797305300006

  • EID výsledku v databázi Scopus

    2-s2.0-85131138728