Künstliche neuronale Netze im Wasserbau

Prognosen zuk nftiger Ereignisse sind f r viele der Aktivit ten erforderlich, die mit der Planung und dem Betrieb der Komponenten eines Wasserressourcensystems verbunden sind. F r die hydrologische Komponente werden sowohl kurz- als auch langfristige Vorhersagen hydrologischer Zeitreihen ben tigt, um das System zu optimieren oder eine zuk nftige Erweiterung oder Reduzierung zu planen. In diesem Beitrag werden verschiedene Techniken k nstlicher neuronaler Netze (ANN) f r kurzfristige kontinuierliche und intermittierende t gliche Abflussvorhersagen und t gliche Vorhersagen von Schwebstoffen verglichen. Drei verschiedene ANN-Techniken, n mlich Feed Forward Back Propagation (FFBP), Generalized Regression Neural Networks (GRNN) und Radial Basis Function-based Neural Networks (RBF) werden auf die hydrologischen Daten angewendet. Im Allgemeinen wird festgestellt, dass die Vorhersageleistung der ANN-Techniken den anderen konventionellen statistischen und stochastischen Methoden in Bezug auf die ausgew hlten Leistungskriterien berlegen ist.