Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A Preliminary Study on Kinematic Analysis of Human Hand Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

Flood Forecasting Using Artificial Neural Network for Kalu Ganga

verfasst von : Dhananjali Gamage, Kalani Ilmini

Erschienen in: Artificial Intelligence

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Floods are among the natural disasters that cause human hardship and economic loss. Establishing a viable flood forecasting and warning system for communities at risk can mitigate these adverse effects. However, establishing an accurate flood forecasting system is still challenging due to the lack of knowledge about the effective variables in forecasting. The present study has indicated that the use of artificial intelligence, especially artificial neural networks is suitable for flood forecasting systems and identify the input variables, feed them to the ANN and train the model. Then test the model using test data and predict flood level in Kaluthara and Ratnapura area using that ANN model.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

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

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

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

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

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




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Novel Hybrid Back Propagation Neural Network Approach for Time Series Forecasting Under the Volatility
Nächstes Kapitel Role of Deep Neural Network in Speech Enhancement: A Review
Literatur
1.
Bruen, M., Yang, J.: Functional networks in real time flood forecasting-a novel application. Adv. Water Resour. 28(92), 899–909 (2005)CrossRef
2.
Capodaglio, A.G., Jones, H.V., Novotny, V., Feng, X.: Sludge bulking analysis and forecasting: application of system identification and artificial neural computing technology. Water Res. 25(10), 1217–1224 (1991)CrossRef
3.
Chen, J., Adams, B.J.: Integration of artificial neural networks with conceptual models in rainfall-runoff modeling. J. Hydrol. 318(14), 232–249 (2006)CrossRef
4.
Eberhart, R., Shi, Y.: Computational Intelligence. Morgan Kaufmann, Burlington (2007)CrossRef
5.
Gurney, K.: An Introduction to Neural Networks. CRC Press, Boca Raton (2003)
6.
Hall, T., Brooks, H.E.: Precipitation forecasting using a neural network. Weather Forecast. 14(3), 338–345 (1999)CrossRef
7.
Haykin, S.: Neural Networks: A Comprehensive Foundation. Prentice Hall, Upper Saddle River (1999)MATH
8.
Hertz, J., Krogh, A., Palmer, R.: Introduction to the Theory of Neural Computation. Addison-Wesley Publishing Company, Boston (1991)
9.
Hsu, K.L., Grupta, H.V., Sorooshian, S.: A superior training strategy for three-layer feed forward artificial neural networks. Technique report no. HWR no. 96–030 (1996)
10.
Kohonen, T.: An introduction to neural computing. Neural Netw. 1, 3–16 (1988)CrossRef
11.
McCaffrey, J.: Understanding and using k-fold cross validation for neural networks (2013)
12.
McCulloch, W.S., Pitts, W.: A logical calculus of the ideas immanent in nervous activity. Bull. Math. Biol. 5, 115133 (1943)MathSciNetMATH
13.
Muller, B., Reinhardt, J., Strickland, M.T.: Neural Networks an Introduction. Springer, Berlin (1995)MATH
14.
Rojas, R.: Neural Networks: A Systematic Introduction. Springer, Berlin (1996)CrossRef
15.
Zhang, S.P., Watanabe, H., Yamada, R.: Prediction of daily water demands by neural networks. Paper presented at the stochastic and statistical methods in hydrology and environmental engineering, University of Waterloo, Waterloo, Ontario, Canada (1993)
16.
Zhu, M., Fujita, M.: Application of neural networks to runoff forecast. Paper presented at the stochastic and statistical methods in hydrology and environmental engineering, University of Waterloo, Waterloo, Ontario, Canada (1993)
Metadaten
Titel
Flood Forecasting Using Artificial Neural Network for Kalu Ganga
verfasst von
Dhananjali Gamage
Kalani Ilmini
Copyright-Jahr
2019
Verlag
Springer Singapore
Buch
Artificial Intelligence

Print ISBN: 978-981-13-9128-6

Electronic ISBN: 978-981-13-9129-3

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-981-13-9129-3_7