Application of Artificial Intelligence in Operational Hydrology
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21110%2F02%3A01079512" target="_blank" >RIV/68407700:21110/02:01079512 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Application of Artificial Intelligence in Operational Hydrology
Popis výsledku v původním jazyce
Disaster floods in 1997, 1998 and 2000 has provoked plenty of studies in field of operational forecasting of river flows, upgrading of traditional hydrological models, and developing of new approaches. Application of theory of fuzzy sets and fuzzy logicfor function approximation, classification and/or for control is often limited by finding leading fuzzy rules. In case of the Adaptive Neuro-Fuzzy Inference System (ANFIS) are rules chosen as all possible permutation of input membership functions. This approach brings exponential growing of the number of rules. The modern rule extraction methods are based on estimating clusters in the data; each cluster obtained corresponds to a fuzzy rule that relates a region in the input space to an output region. The hybrid neural network and ANFIS with rules derived by subtractive clustering were used to evaluate a hydrological model for operational forecasting of river flows in the Zruč nad Sázavou profile in the Sazava river catchment.
Název v anglickém jazyce
Application of Artificial Intelligence in Operational Hydrology
Popis výsledku anglicky
Disaster floods in 1997, 1998 and 2000 has provoked plenty of studies in field of operational forecasting of river flows, upgrading of traditional hydrological models, and developing of new approaches. Application of theory of fuzzy sets and fuzzy logicfor function approximation, classification and/or for control is often limited by finding leading fuzzy rules. In case of the Adaptive Neuro-Fuzzy Inference System (ANFIS) are rules chosen as all possible permutation of input membership functions. This approach brings exponential growing of the number of rules. The modern rule extraction methods are based on estimating clusters in the data; each cluster obtained corresponds to a fuzzy rule that relates a region in the input space to an output region. The hybrid neural network and ANFIS with rules derived by subtractive clustering were used to evaluate a hydrological model for operational forecasting of river flows in the Zruč nad Sázavou profile in the Sazava river catchment.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JM - Inženýrské stavitelství
OECD FORD obor
—
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2002
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of Workshop 2002
ISBN
80-01-02511-X
ISSN
—
e-ISSN
—
Počet stran výsledku
2
Strana od-do
1010-1011
Název nakladatele
ČVUT
Místo vydání
Praha
Místo konání akce
Praha
Datum konání akce
11. 2. 2002
Typ akce podle státní příslušnosti
EUR - Evropská akce
Kód UT WoS článku
—