Využití umělých neuronových sítí pro předpověď ledových jevů na dolní Berounce

Lucie Šebestová

Diplomová práce

Using artifical neural network for ice phenomena prediction on the lower Berounka

Anotace:

Ledové jevy na vodních tocích jsou běžně se vyskytujícím jevem v zimním období. Na většině míst nezpůsobují žádné komplikace, ale na určitých místech je jejich výskyt četnější a ve spojení s formováním ledových jevů do nebezpečných, jako je ledová zácpa nebo ledový nápěch, mohou vést ke vzniku ledové povodně. Takovými místy je zatíženo koryto dolní Berounky v úseku Křivoklát - soutok s Vltavou. Výskyt a vznik ledových jevů závisí na ledovém režimu toku, který na dolní Berounce způsobuje časté problémy. Ledový režim je souhrou mnoha faktorů a ledové jevy jsou tak obecně velice obtížně predikovatelné kvůli silně nelineárním vztahům. Umělé neuronové sítě vynikají možností učit se na příkladech, v tomto případě na historických údajích, a získané znalosti uplatnit na údajích současných i budoucích. Práce využívá neuronové sítě vrstevnatého perceptronu pro realizaci predikce ledových jevů na základě historických průtokových a teplotních dat z let 1887 - 1940 z měřící stanice Křivoklát, která je místem frekventovaného výskytu nebezpečných ledových jevů. Výsledky poskytnuté naučenou neuronovou sítí jsou srovnatelné se standardními modely využívanými v oblasti modelování ledových jevů. Získané výstupy potvrdily možnost úspěšné aplikace neuronových sítí v dané oblasti. Jejich využití je možné jako např. součást informačního (varovného) systému nebo pro predikování výskytu ledových jevů v průběhu zimy, což může vést k mírnění jejich dopadů na vodní tok, jeho okolí i obyvatele.

Abstract:

Ice phenomena on watercourses are commonly occurring effect in winter period. In most places do not cause any complication, but in certain places their occurrence is more frequent and in conjunction with forming ice phenomena into dangerous, as a break-up ice jam or a freeze-up ice jam, can lead to the formation of ice flood. Such places is affected lower Berounka watercourse in section Křivoklát - Vltava confluence. Occurrence and formation of ice phenomena depends on ice regime, which lower Berounka causing frequent problems. Ice regime is the interplay of many factors and ice phenomena are thus generally very difficult to predict because of strongly nonlinear relationships. Artificial neural networks excel in ability to learn on examples, in this case historical data, and ability to apply the knowledge gained on the data present and the future. This work uses multilayer perceptron neural network to realization of ice phenomena prediction based on historical flow and temperature data from the years 1887 - 1940 from the measuring station Křivoklát, which is a place of frequent occurrence of dangerous ice phenomena. The results provided by the learned neural network are comparable to the standard model used in modeling of ice phenomena. Obtained outputs confirmed the possibility of the successful application of neural networks in this area. Their use is possible as e.g. a part of information (warning) system or a system for predicting the occurrence of ice phenomena during winter season, which may lead to the alleviation of their impact on watercourse, surrounding area and residents.

Klíčová slova

umělá neuronová síť, vrstevnatý perceptron, ledové jevy, ledový režim, dolní Berounka, předpověď ledových jevů

Keywords

artificial neural network, multilayer perceptron, ice phenomena, ice jam forecasting, lower Berounka, ice regime

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 19. 4. 2016

Obhajoba závěrečné práce

• Vedoucí: doc. Ing. Petr Máca, Ph.D.

Česká zemědělská univerzita v Praze

Fakulta životního prostředí

Magisterský studijní program / obor:
Krajinné inženýrství / Voda v krajině