| Titre : | Radial Basis Function Neural Network for Modeling Rating Curves (2005) |
| Titre original : | Réseau Neurologique de Fonction Radiale de Base pour Modeler des Courbes d'Estimation |
| Auteurs : | Sudheer, K. P., Auteur ; Jain, S. K., Auteur |
| Type de document : | Article : texte imprimé |
| Dans : | Journal of hydrologic engineering (Vol. 8, N° 3, Mai/Juin 2003) |
| Article en page(s) : | 161-164 p. |
| Note générale : | Hydrologie |
| Langues : | Anglais |
| Index. décimale : | 551.4 (surface du globe.Géographie physique.Géomorphologie) |
| Tags : | Neural networks Rating Models Water discharge Gaging stations Réseaux neurologiques Estimation Modèles Décharge de l'eau Stations mesurantes |
| Résumé : |
The Establishment of a rating curve is an important problem in hydrology. Generally, a regression approach is applied to establish the relationship between stage and discharge. However, this approach fails in the case where hysteries is present in the data. The Aim of the study is to investidate the potential of employing radial basis function(RBF) type neural networks for modeling stage discharge relationships at gauging stations and compare different types of networks. The Results are promising and suggest that the neural network approach is highly viable. A comparison of the RBF models with backpropagation type neural networks reveals that the former is superior in performance for rating curves exhibiting hysteresis.
L'établissement d'une courbe d'estimation est un problème important en hydrologie. Généralement, une approche de régression est appliquée pour établir le rapport entre l'étape et la décharge. Cependant, cette approche échoue dans le cas où les hysteries est présent dans les données. Le but de l'étude est à l'investidate le potentiel d'utiliser le type radial de function(RBF) de base réseaux neurologiques pour modeler des rapports de décharge d'étape aux stations mesurantes et compare différents types de réseaux. Les résultats sont prometteurs et suggèrent que l'approche de réseau neurologique soit fortement viable. Une comparaison des modèles de RBF avec le type réseaux neurologiques de backpropagation indique que l'ancien est supérieur en exécution pour des courbes d'estimation montrant l'hystérésis. |
| En ligne : | skjain@lsu.edu |
