Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

15.09.2018 | Ausgabe 1/2019

Water Resources Management 1/2019

Auto-Regressive Neural-Network Models for Long Lead-Time Forecasting of Daily Flow

Zeitschrift:
Water Resources Management > Ausgabe 1/2019
Autoren:
Mohammad Ebrahim Banihabib, Reihaneh Bandari, Richard C. Peralta

Abstract

Accurate reservoir-inflow forecasting is especially important for optimizing operation of multi-propose reservoirs that provide hydropower generation, flood control, and water for domestic use and irrigation. There are no previous reports of successful daily flow prediction using a 1-year lead-time. This paper reports successful daily stream flow predictions for that extended lead-time. It presents the first NARX (Nonlinear Auto Regressive model with eXogenous inputs)-type recurrent neural network (NARX-RNN) model used to forecast daily reservoir inflow for a long lead-time. It is the first use of dynamic memory to extend the forecast lead-time beyond the previously reported 1-week lead-times. For new nonlinear NARX-RNN models, we present and test 1600 alternative structures, differing in transfer functions (2), and numbers of inputs (2 to 5), neurons per hidden layer (1 to 20), input delays and output delays. For predicting inflow to the reservoir of the multi-purpose Dez Dam, we contrast accuracies of forecasts from the new models, and from a conventional auto-regressive linear ARIMA model. Based upon normalized root-mean-square error \( \mathrm{RMSE}/{\overline{Q}}_{obs} \) the best NARX-RNN has log-sigmoid transfer functions, three inputs, one hidden layers, four neurons in the hidden layer, two input delays, and 10 output delays. That NARX-RNN structure yields \( \mathrm{RMSE}/{\overline{Q}}_{obs} \) values of 0.616 in training and 0.678 in forecasting. The proposed model’s forecasting \( \mathrm{RMSE}/{\overline{Q}}_{obs} \) is 20% lower than that of the ARIMA model.

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

Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 1/2019

Water Resources Management 1/2019 Zur Ausgabe

BranchenIndex Online

Die B2B-Firmensuche für Industrie und Wirtschaft: Kostenfrei in Firmenprofilen nach Lieferanten, Herstellern, Dienstleistern und Händlern recherchieren.

Whitepaper

- ANZEIGE -

Systemische Notwendigkeit zur Weiterentwicklung von Hybridnetzen

Die Entwicklung des mitteleuropäischen Energiesystems und insbesondere die Weiterentwicklung der Energieinfrastruktur sind konfrontiert mit einer stetig steigenden Diversität an Herausforderungen, aber auch mit einer zunehmenden Komplexität in den Lösungsoptionen. Vor diesem Hintergrund steht die Weiterentwicklung von Hybridnetzen symbolisch für das ganze sich in einer Umbruchsphase befindliche Energiesystem: denn der Notwendigkeit einer Schaffung und Bildung der Hybridnetze aus systemischer und volkswirtschaftlicher Perspektive steht sozusagen eine Komplexitätsfalle gegenüber, mit der die Branche in der Vergangenheit in dieser Intensität nicht konfrontiert war. Jetzt gratis downloaden!

Bildnachweise