Documents disponibles écrits par cet auteur

Combined Hydraulic and Black-Box Models for Flood Forecasting in Urban Drainage Systems / Bruen, Michael in Journal of hydrologic engineering, Vol. 11 N°6 (Novembre/Decembre 2006) 

Public ISBD [article]  in Journal of hydrologic engineering > Vol. 11 N°6 (Novembre/Decembre 2006) . - 589-596 p. Titre : Combined Hydraulic and Black-Box Models for Flood Forecasting in Urban Drainage Systems Titre original : Modèles Combinés de Boîte Hydraulique et Noire pour des Prévisions d'Inondation dans les Canalisations Urbaines Type de document : texte imprimé Auteurs : Bruen, Michael, Auteur ; Yang, Jianqing, Auteur Article en page(s) : 589-596 p. Note générale : Hydrologie Langues : Anglais (eng) Mots-clés : Hydraulic  models  Storm  water  management  Urban  areas  Drainage  Simulation  Floods  Forecasting  Modèles  hydrauliques  Gestion  de  précipitation  exceptionelle  Secteurs  urbains  Inondations  Prévisions Index. décimale : 551 Géologie générale. Géodynamique. Géomorphologie. Résumé : Rapid urbanization and its implications for both water quality issues and floods have increased the need for modeling of urban drainage systems. Many operational models are based on deterministic solutions of hydraulic equations. Improving such models by adding a “black-box” component to deal with any systematic structure in the residuals is proposed. In this study, a conventional deterministic stormwater drainage network model is first developed for a rapidly developing catchment using the HYDROWORKS (now called Infoworks) package, from Wallingford Software in the United Kingdom. However, despite the generally satisfactory results, the HYDROWORKS model tended to underestimate the flow volume. In this paper, a black-box or “systems” model is fitted to the hydraulic urban drainage model in order to improve its overall efficiency. A study was conducted of suitable black-box models, which included the nonlinear artificial neural network model (ANN), and the linear time series models of Box and Jenkins in 1976. They were added to either the output (in simulation mode) or, in updating mode, to the residuals (i.e., difference between modeled and measured output) of the deterministic hydraulic model. The updating procedure provided a considerable improvement in the overall model efficiency for different lead-time forecasting. In simulation mode, however, only the nonlinear ANN model gave better performance in calibration, and a slight improvement in validation. L'urbanisation rapide et ses implications pour des questions et des inondations de qualité de l'eau ont augmenté le besoin de modeler des canalisations urbaines. Beaucoup de modèles opérationnels sont basés sur les solutions déterministes des équations hydrauliques. Améliorant de tels modèles en ajoutant un composant de « noir-boîte » à l'affaire avec n'importe quelle structure systématique dans les résiduels est proposé. Dans cette étude, un modèle déterministe conventionnel de réseau de drainage de précipitation exceptionnelle est d'abord développé pour une captation se développante rapidement en utilisant le paquet de HYDROWORKS (maintenant appelé Infoworks), du logiciel de Wallingford au Royaume-Uni. Cependant, en dépit des résultats généralement satisfaisants, les HYDROWORKS modèlent tendu à sous-estimer le volume d'écoulement. En cet article, modèle de boîte noire ou un de « systèmes » est adapté au modèle urbain hydraulique de drainage afin d'améliorer son efficacité globale. Une étude a été entreprise des modèles appropriés de boîte noire, qui ont inclus le modèle artificiel non linéaire de réseau neurologique (ANN), et des modèles linéaires de série chronologique de la boîte et du Jenkins en 1976. Ils ont été ajoutés au rendement (en mode de simulation) ou, en mettant à jour le mode, aux résiduels (c.-à-d., différence entre le rendement modelé et mesuré) du modèle hydraulique déterministe. Le procédé de mise à jour a fourni une amélioration considérable de l'efficacité modèle globale pour des prévisions différentes de délai d'exécution. En mode de simulation, cependant, seulement le modèle non-linéaire d'ANN a donné une meilleure exécution dans le calibrage, et une légère amélioration de validation. En ligne : michael.bruen@ucd.ie, jianqing.yang@ucd.ie [article] Combined Hydraulic and Black-Box Models for Flood Forecasting in Urban Drainage Systems = Modèles Combinés de Boîte Hydraulique et Noire pour des Prévisions d'Inondation dans les Canalisations Urbaines [texte imprimé] / Bruen, Michael, Auteur ; Yang, Jianqing, Auteur . - 589-596 p. Hydrologie Langues : Anglais (eng) in Journal of hydrologic engineering > Vol. 11 N°6 (Novembre/Decembre 2006) . - 589-596 p. Mots-clés : Hydraulic  models  Storm  water  management  Urban  areas  Drainage  Simulation  Floods  Forecasting  Modèles  hydrauliques  Gestion  de  précipitation  exceptionelle  Secteurs  urbains  Inondations  Prévisions Index. décimale : 551 Géologie générale. Géodynamique. Géomorphologie. Résumé : Rapid urbanization and its implications for both water quality issues and floods have increased the need for modeling of urban drainage systems. Many operational models are based on deterministic solutions of hydraulic equations. Improving such models by adding a “black-box” component to deal with any systematic structure in the residuals is proposed. In this study, a conventional deterministic stormwater drainage network model is first developed for a rapidly developing catchment using the HYDROWORKS (now called Infoworks) package, from Wallingford Software in the United Kingdom. However, despite the generally satisfactory results, the HYDROWORKS model tended to underestimate the flow volume. In this paper, a black-box or “systems” model is fitted to the hydraulic urban drainage model in order to improve its overall efficiency. A study was conducted of suitable black-box models, which included the nonlinear artificial neural network model (ANN), and the linear time series models of Box and Jenkins in 1976. They were added to either the output (in simulation mode) or, in updating mode, to the residuals (i.e., difference between modeled and measured output) of the deterministic hydraulic model. The updating procedure provided a considerable improvement in the overall model efficiency for different lead-time forecasting. In simulation mode, however, only the nonlinear ANN model gave better performance in calibration, and a slight improvement in validation. L'urbanisation rapide et ses implications pour des questions et des inondations de qualité de l'eau ont augmenté le besoin de modeler des canalisations urbaines. Beaucoup de modèles opérationnels sont basés sur les solutions déterministes des équations hydrauliques. Améliorant de tels modèles en ajoutant un composant de « noir-boîte » à l'affaire avec n'importe quelle structure systématique dans les résiduels est proposé. Dans cette étude, un modèle déterministe conventionnel de réseau de drainage de précipitation exceptionnelle est d'abord développé pour une captation se développante rapidement en utilisant le paquet de HYDROWORKS (maintenant appelé Infoworks), du logiciel de Wallingford au Royaume-Uni. Cependant, en dépit des résultats généralement satisfaisants, les HYDROWORKS modèlent tendu à sous-estimer le volume d'écoulement. En cet article, modèle de boîte noire ou un de « systèmes » est adapté au modèle urbain hydraulique de drainage afin d'améliorer son efficacité globale. Une étude a été entreprise des modèles appropriés de boîte noire, qui ont inclus le modèle artificiel non linéaire de réseau neurologique (ANN), et des modèles linéaires de série chronologique de la boîte et du Jenkins en 1976. Ils ont été ajoutés au rendement (en mode de simulation) ou, en mettant à jour le mode, aux résiduels (c.-à-d., différence entre le rendement modelé et mesuré) du modèle hydraulique déterministe. Le procédé de mise à jour a fourni une amélioration considérable de l'efficacité modèle globale pour des prévisions différentes de délai d'exécution. En mode de simulation, cependant, seulement le modèle non-linéaire d'ANN a donné une meilleure exécution dans le calibrage, et une légère amélioration de validation. En ligne : michael.bruen@ucd.ie, jianqing.yang@ucd.ie