Predicting piezometric water level in dams via artificial neural networks

Data-Based Models for the Prediction of Dam Behaviour: A Review and Some Methodological Considerations

“…On the contrary, it has horizontal asymptotes, which may cause numerical problems. While it is widely acknowledged that the variables shall be normalized before fitting an NN model, some authors restrict them to the range [0.1, 0.9] to avoid the above mentioned problems [40], [5], [41].…”

“…This issue has arisen in combination with the use of NN [42], [61], [27], [41], [52], NARX [38], [52], MLR [26] and ANFIS models [47].…”

“…In practice, there is not agreement on the appropriate criterion to define training and validation sets, which depends on the available data. Consequently, the comparison between models which predict different variables has limited reliability, although it is sometimes considered [26], [41].…”

Tehnike racunarske inteligencije u modeliranju i identifikaciji indikatora ponasanja brane

“…У овој дисертацији је линеарно пресликавање предиктора у нивое воде у пијезометрима замењено нелинеарним применом вишеслојног перцептрона [128] (сл. 5.9) и неуро-фази система [133] (сл.…”

“…Код формирања модела посебно велики проблем представља узимање у обзир кумулативног дејства и одређивање времена кашњења обе узрочне променљиве. Ranković et al [123] и Novaković et al [128] вектор предиктора статистичког модела за предикцију нивоа воде у пијезометрима FP13 и FP29 узимају у облику   Поступком параметарске индентификације нелинеарних система у моделирању нивоа воде у пијезометрима, који је предложен у овом раду, није било могуће формирати моделе јер су мерења нивоа воде у свим пијезометрима поставњеним у насутој брани и на обали обављана два пута месечно, у неједнаким временским интервалима.…”