Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

28.01.2020

A Method for Predicting Long-Term Municipal Water Demands Under Climate Change

Zeitschrift:
Water Resources Management
Autoren:
Salah L. Zubaidi, Sandra Ortega-Martorell, Patryk Kot, Rafid M. Alkhaddar, Mawada Abdellatif, Sadik K. Gharghan, Maytham S. Ahmed, Khalid Hashim
Wichtige Hinweise

Publisher’s Note

Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Abstract

The accurate forecast of water demand is challenging for water utilities, specifically when considering the implications of climate change. As such, this is the first study that focuses on finding associations between monthly climate factors and municipal water consumption, using baseline data collected between 1980 and 2010. The aim of the study was to investigate the reliability and capability of a combination of techniques, including Singular Spectrum Analysis (SSA) and Artificial Neural Networks (ANNs), to accurately predict long-term, monthly water demands. The principal findings of this research are as follows: a) SSA is a powerful method when applied to remove the impact of socio-economic variables and noise, and to determine a stochastic signal for long-term water consumption time series; b) ANN performed better when optimised using the Lightning Search Algorithm (LSA-ANN) compared with other approaches used in previous studies, i.e. hybrid Particle Swarm Optimisation (PSO-ANN) and Gravitational Search Algorithm (GSA-ANN); c) the proposed LSA-ANN methodology was able to produce a highly accurate and robust model of water demand, achieving a correlation coefficient of 0.96 between observed and predicted water demand when using a validation dataset, and a very small root mean square error of 0.025.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel