Logo_Icesi
 

Water flows modelling and forecasting using a RBF neural network

dc.audienceComunidad Universidad Icesi - Investigadoresspa
dc.citation.issue12
dc.citation.volume6
dc.contributor.authorFajardo Toro, Carlos Hernánspa
dc.contributor.authorFernández Riverola, Florentinospa
dc.contributor.authorSoto González, Benedictospa
dc.contributor.authorGonzález Peña, Danielspa
dc.coverage.spatialCali de Lat: 03 24 00 N degrees minutes Lat: 3.4000 decimal degrees Long: 076 30 00 W degrees minutes Long: -76.5000 decimal degreeseng
dc.date.accessioned2008-12-17T23:55:30Z
dc.date.available2008-12-17T23:55:30Z
dc.date.issued2008-12-17
dc.descriptionAquí 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 realizadosspa
dc.description.abstractA 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.eng
dc.format.extent13-31 páginas
dc.format.mediumDigitalspa
dc.format.mimetypeapplication/pdf
dc.identifier.OLIBhttp://biblioteca2.icesi.edu.co/cgi-olib/?infile=details.glu&loid=199166
dc.identifier.doihttps://doi.org/10.18046/syt.v6i12.996
dc.identifier.instnameinstname:Universidad Icesi
dc.identifier.issn16925238
dc.identifier.otherhttp://www.icesi.edu.co/revistas/index.php/sistemas_telematica/article/view/996
dc.identifier.reponamereponame:Biblioteca Digital
dc.identifier.repourlrepourl:https://repository.icesi.edu.co/
dc.identifier.urihttps://hdl.handle.net/10906/1836
dc.language.isospaspa
dc.publisherUniversidad Icesispa
dc.publisher.facultyFacultad de Ingenieríaspa
dc.publisher.placeSantiago de Calispa
dc.relation.citationendpage31
dc.relation.citationstartpage13
dc.relation.ispartofSistemas y Telemáticaspa
dc.relation.ispartofseriesSistemas y Telemática;Vol.6 No.12
dc.rightsEL AUTOR, expresa que la obra objeto de la presente autorización es original y la elaboró sin quebrantar ni suplantar los derechos de autor de terceros, y de tal forma, la obra es de su exclusiva autoría y tiene la titularidad sobre éste. PARÁGRAFO: en caso de queja o acción por parte de un tercero referente a los derechos de autor sobre el artículo, folleto o libro en cuestión, EL AUTOR, asumirá la responsabilidad total, y saldrá en defensa de los derechos aquí autorizados; para todos los efectos, la Universidad Icesi actúa como un tercero de buena fe. Esta autorización, permite a la Universidad Icesi, de forma indefinida, para que en los términos establecidos en la Ley 23 de 1982, la Ley 44 de 1993, leyes y jurisprudencia vigente al respecto, haga publicación de este con fines educativos Toda persona que consulte ya sea la biblioteca o en medio electróico podrá copiar apartes del texto citando siempre la fuentes, es decir el título del trabajo y el autor.spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.licenseAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.proposalRed neuronal de base radial - RBFspa
dc.subject.proposalPronóstico de caudalspa
dc.subject.proposalModelos hidrológicosspa
dc.subject.proposalModelos de caja negraspa
dc.subject.proposalModelos autorregresivosspa
dc.subject.proposalPorducción Intelectual Registrada - Universidad Icesispa
dc.subject.proposalSistemas & Telemáticaspa
dc.subject.proposalRiver Flow Forecastingeng
dc.subject.proposalHydrologic modelseng
dc.titleWater flows modelling and forecasting using a RBF neural networkspa
dc.title.alternativeModelado de flujos de caudal y pronóstico utilizando una red neuronal RBFspa
dc.type.coarhttp://purl.org/coar/resource_type/c_2df8fbb1
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driverinfo:eu-repo/semantics/articlespa
dc.type.localArtículospa
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa

Archivos

Bloque original

Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
Documento.html
Tamaño:
271 B
Formato:
Hypertext Markup Language