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”

Genetic Programming Based Approach Towards Understanding the Dynamics of Urban Rainfall-runoff Process

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F60460709%3A41330%2F16%3A71164" target="_blank" >RIV/60460709:41330/16:71164 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1016/j.proeng.2016.07.601" target="_blank" >http://dx.doi.org/10.1016/j.proeng.2016.07.601</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1016/j.proeng.2016.07.601" target="_blank" >10.1016/j.proeng.2016.07.601</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Genetic Programming Based Approach Towards Understanding the Dynamics of Urban Rainfall-runoff Process

  • Popis výsledku v původním jazyce

    Genetic Programming (GP) is an evolutionary-algorithm based methodology that is the best suited to model non-linear dynamic systems. The potential of GP has not been exploited to the fullest extent in the field of hydrology to understand the complex dynamics involved. The state of the art applications of GP in hydrological modelling involve the use of GP as a short-term prediction and forecast tool rather than as a framework for the development of a better model that can handle current challenges. In today is scenario, with increasing monitoring programmes and computational power, the techniques like GP can be employed for the development and evaluation of hydrological models, balancing, prior information, model complexity, and parameter and output uncertainty. In this study, GP based data driven model in a single and multi-objective framework is trained to capture the dynamics of the urban rainfall-runoff process using a series of tanks, where each tank is a storage unit in a watershed that correspo

  • Název v anglickém jazyce

    Genetic Programming Based Approach Towards Understanding the Dynamics of Urban Rainfall-runoff Process

  • Popis výsledku anglicky

    Genetic Programming (GP) is an evolutionary-algorithm based methodology that is the best suited to model non-linear dynamic systems. The potential of GP has not been exploited to the fullest extent in the field of hydrology to understand the complex dynamics involved. The state of the art applications of GP in hydrological modelling involve the use of GP as a short-term prediction and forecast tool rather than as a framework for the development of a better model that can handle current challenges. In today is scenario, with increasing monitoring programmes and computational power, the techniques like GP can be employed for the development and evaluation of hydrological models, balancing, prior information, model complexity, and parameter and output uncertainty. In this study, GP based data driven model in a single and multi-objective framework is trained to capture the dynamics of the urban rainfall-runoff process using a series of tanks, where each tank is a storage unit in a watershed that correspo

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    DA - Hydrologie a limnologie

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2016

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    Procedia Engineering

  • ISSN

    1877-7058

  • e-ISSN

  • Svazek periodika

    2016

  • Číslo periodika v rámci svazku

    154

  • Stát vydavatele periodika

    CZ - Česká republika

  • Počet stran výsledku

    10

  • Strana od-do

    1093-1102

  • Kód UT WoS článku

    000385793200147

  • EID výsledku v databázi Scopus