Water flows modelling and forecasting using a RBF neural network

Archivos
Fecha
2008-12-17
Director de tesis/Asesor
Título de la revista
ISSN de la revista
Título del volumen
Publicador
Universidad Icesi
Editor
Compartir
Resumen
Abstract
A hydrologic estimation model base on the utilization of radial basis function neural networks is presented, in which the aim is to forecast stream flows in an automated fashion. The problem of river flow forecasting is a non-trivial task because (i) the various physical mechanisms governing the river flow dynamics act on a wide range of temporal and spatial scales and (ii) almost all mechanisms involved in the river flow process present some degree of nonlinearity. The proposed neural network was used to forecast daily river discharges in a river basin providing satisfactory results and outperforming previous.
Resumo
Descripción
Aquí se presenta un modelo hidrológico de estimación basado en el uso de una red neuronal de base radial, con el cual se busca desarrollar sistema automática de estimación de flujos de caudal. El problema de la estimación de caudales no es una tarea trivial debido a (i) que los diversos mecanismos que rigen el sistema que determina el flujo de caudales actúan dentro de un rango muy amplio de escalas espacio – temporales y (ii) casi todos los elementos que intervienen y afectan el flujo de caudales presentan cierto grado de no linealidad. La red neuronal propuesta ha sido utilizada para estimar el pronóstico diario de caudal de una cuenca, obteniéndose resultados satisfactorios frente a otras técnicas. El modelo propuesto ha sido utilizado para realizar estimaciones en el río Ulloa, una cuenca ubicada al noroeste de la Península Ibérica. Aquí se presentan y discuten los resultados obtenidos con los experimentos realizados
Palabras clave
Red neuronal de base radial - RBF, Pronóstico de caudal, Modelos hidrológicos, Modelos de caja negra, Modelos autorregresivos, Porducción Intelectual Registrada - Universidad Icesi, Sistemas & Telemática,
Keywords
River Flow Forecasting, Hydrologic models
Palavras-chave
Citación
Handle
ISBN
ISSN
16925238