Schlagwort-Archive: neuronale Netze

Perspektiven für die integrierte Wasserbewirtschaftung durch den Einsatz simulationsbasierter Optimierungsmethoden am Beispiel landwirtschaftlich genutzter küstennaher arider Gebiete im Oman

Hydrologie und Wasserbewirtschaftung Hydrology and Water Resources Management - Germany 55. Jahrgang, Heft 2, April 2011

Hydrologie und Wasserbewirtschaftung
55. Jahrgang, Heft 2, April 2011

Autor/Autorin:
Niels Schütze, Jens Grundmann und Gerd H. Schmitz

Schlagworte:
Aride Gebiete, Bewirtschaftungsmodelle, neuronale Netze, Oman, Optimierung, Wasserbedarf für Landwirtschaft, Wasserbewirtschaftung

Aride Gebiete, die intensiv landwirtschaftlich genutzt werden, weisen hohen Wasserstress und oft eine Übernutzung der vorhandenen Wasserressourcen auf. In diesem Beitrag stellen wir das Konzept der simulationsbasierten Optimierung von Bewirtschaftungsmodellen vor. Anhand eines neuen Bewirtschaftungssystems für landwirtschaftlich genutzte küstennahe aride Gebiete werden verschiedene Methoden wie künstliche neuronale Netze und Strategien wie Dekomposition und Verwendung von Ersatzmodellen gezeigt, die den Einsatz von numerischen Simulationsmodellen in Bewirtschaftungsmodellen ermöglichen. Das Zusammenspiel einzelner Komponenten wurde an einem gekoppelten Optimierungsmodell zur Bewirtschaftung von Grundwasser und Landwirtschaft für eine Küstenebene im Oman getestet. Erste Ergebnisse dieser Studie werden präsentiert und Perspektiven des Einsatzes simulationsbasierter Optimierungsmethoden für die integrierte Bewirtschaftung der Land- und Wasserressourcen diskutiert.

Nutzung künstlicher neuronaler Netze zur Bereitstellung von Entscheidungsgrundlagen für operative und planerische wasserwirtschaftliche Maßnahmen

Hydrologie und Wasserbewirtschaftung 52. Jahrgang, Heft 4, August 2008

Hydrologie und
Wasserbewirtschaftung
52. Jahrgang, Heft 4,
August 2008

Autor/Autorin:
Gerd H. Schmitz, Johannes Cullmann, Andy Philipp, Thomas Krauße und Franz Lennartz

Schlagworte:
Hochwasservorhersage, neuronale Netze, schnell reagierende Einzugsgebiete

Die PAI-OFF-Methodik (Process modelling and Artificial Intelligence for Online Flood Forecasting) vereint die Zuverlässigkeit physikalisch basierter hydrologischer/hydraulischer Modellierung mit den operationellen Vorzügen von Methoden der künstlichen Intelligenz. Diese Vorzüge sind: extrem geringer Rechenaufwand zur Erstellung einer Vorhersage, Robustheit sowie einfache Handhabbarkeit des Vorhersagesystems. Die Anwendung von PAI-OFF erfordert dabei zunächst die Erstellung eines physikalisch basierten hydrologischen Modells für ein zu betrachtendes Einzugsgebiet. Wenn besondere hydrodynamische Bedingungen auftreten, wie z.B. Rückstaueffekte beim Hochwasserwellenablauf, wird ein hydrodynamisches Wellenablaufmodell für die betreffenden Flussabschnitte mit einbezogen. Beide Modelle werden anschließend zur Simulation der Reaktion des Einzugsgebiets auf die Bandbreite potentiell Hochwasser auslösender Niederschlagsereignisse genutzt. Die resultierenden Niederschlags-Abfluss-Daten bilden die Grundlage einer Datenbank korrespondierender Input-Output-Vektoren. Die Datenbank wird weiterhin durch hydrologische/meteorologische Informationen zur Charakterisierung des Gebietszustandes vor Ereignisbeginn vervollständigt. Diese Datenbank dient dann dem Training jeweils eines künstlichen neuronalen Netzwerkes: ein Polynomielles Neuronales Netz (PoNN) zur Abbildung der Niederschlags-Abfluss-Funktion sowie ein Multilayer-Feedforward-Netzwerk (MLFN) zur Porträtierung des Hochwasserwellenablaufs. Nach der Vorstellung der theoretischen Grundlagen präsentieren wir die Anwendung der PAI-OFF-Methodik für die Hochwasservorhersage im schnell reagierenden Einzugsgebiet der Freiberger Mulde (Einzugsgebietsgröße ca. 3000 Quadratkilometer) im Sächsischen Erzgebirge. Sowohl die ausgesprochene Rechenschnelle, als auch die hohe Güte der Vorhersage unterstreichen das Potential der PAI-OFF-Methodik für die Online-Hochwasservorhersage in schnell reagierenden Einzugsgebieten.