Documents disponibles écrits par cet auteur

Evaluation of Neural Network Streamflow Forecasting on 47 Watersheds / Anctil, François in Journal of hydrologic engineering, Vol. 10, N°1 (Janvier/Fevrier 2005) 

Public ISBD [article]  in Journal of hydrologic engineering > Vol. 10, N°1 (Janvier/Fevrier 2005) . - 85-88 p. Titre : Evaluation of Neural Network Streamflow Forecasting on 47 Watersheds Titre original : Evaluation des Prévisions d'Ecoulement de Jet de Réseau Neurologique sur 47 Lignes de Partage Type de document : texte imprimé Auteurs : Anctil, François, Auteur ; Rat, Alexandre, Auteur Article en page(s) : 85-88 p. Note générale : HYdrologie Langues : Anglais (eng) Mots-clés : Neural  networks  Stream  flow  forecasting  Rainfall-runoff  relationship  Performance  evaluation  Watersheds  Réseaux  neurologiques  Prévisions  d'écoulement  de  jet  rapport  de  Précipitation-écoulement  Evaluation  des  performances  Lignes  de  partage Index. décimale : 551.4 Résumé : This Study is designed to compare 1 day ahead stream flow forecasting performance of multiple-layer perception (MLP) networks implemented at a daily time step for 47 watersheds spread across France and Central United States. In order to keep the task to manageable proportions, a large sample of test watersheds asks for a reduction of the number of steps in the network implementation procedure. This is achieved by eliminating the long trial and error process of input selection. Results show that it is feasible to obtain good 1 day ahead stream flow forecasting performance from simple MLPs and input vectors consisting solely of the last observed stream flow and a predetermined range of precipitation observations that is roughly equal to the time of concentration of the watersheds. Also, intuitive preprocessing such as differencing the stream flow noticeably improve the forecasting performance in almost all instances. On the other hand, consideration of the potential evapotranspiration as an additional input decrease the MLP's performance in the majority of instances. Finally, it is noteworthy that there is a general trend between the watershed runoff coefficients and the ability of the MLPs to correctly map 1 day ahead stream flows. Cette étude est conçue pour comparer 1 exécution de prévisions d'écoulement de jet de jour en avant des réseaux de la perception de multiple-couche (MLP) mis en application à une étape quotidienne de temps pour la diffusion de 47 lignes de partage à travers la France et les états unis centraux. Afin de garder la charge aux proportions maniables, un grand échantillon de lignes de partage d'essai demande une réduction du nombre d'étapes du procédé d'exécution de réseau. Ceci est réalisé en éliminant le long processus d'épreuve et d'erreurs du choix d'entrée. Les résultats prouvent qu'il est faisable pour obtenir la bonne 1 exécution de prévisions d'écoulement de jet de jour en avant des vecteurs simples de MLPs et d'entrée consistant seulement en le dernier écoulement observé de jet et une gamme prédéterminée des observations de précipitation qui est rudement égale à la période de la concentration des lignes de partage. En outre, le prétraitement intuitif tel que differencing l'écoulement de jet améliorent sensiblement l'exécution de prévisions dans presque tous les exemples. D'autre part, considération de l'evapotranspiration potentiel en tant qu'additionnel diminution d'entrée l'exécution du MLP de la majorité d'exemples. En conclusion, il est remarquable qu'il y ait une tendance générale entre les coefficients d'écoulement de ligne de partage et la capacité du MLPs de tracer correctement 1 jet de jour en avant coule. En ligne : francois.anctil@gci.ulaval.ca, [article] Evaluation of Neural Network Streamflow Forecasting on 47 Watersheds = Evaluation des Prévisions d'Ecoulement de Jet de Réseau Neurologique sur 47 Lignes de Partage [texte imprimé] / Anctil, François, Auteur ; Rat, Alexandre, Auteur . - 85-88 p. HYdrologie Langues : Anglais (eng) in Journal of hydrologic engineering > Vol. 10, N°1 (Janvier/Fevrier 2005) . - 85-88 p. Mots-clés : Neural  networks  Stream  flow  forecasting  Rainfall-runoff  relationship  Performance  evaluation  Watersheds  Réseaux  neurologiques  Prévisions  d'écoulement  de  jet  rapport  de  Précipitation-écoulement  Evaluation  des  performances  Lignes  de  partage Index. décimale : 551.4 Résumé : This Study is designed to compare 1 day ahead stream flow forecasting performance of multiple-layer perception (MLP) networks implemented at a daily time step for 47 watersheds spread across France and Central United States. In order to keep the task to manageable proportions, a large sample of test watersheds asks for a reduction of the number of steps in the network implementation procedure. This is achieved by eliminating the long trial and error process of input selection. Results show that it is feasible to obtain good 1 day ahead stream flow forecasting performance from simple MLPs and input vectors consisting solely of the last observed stream flow and a predetermined range of precipitation observations that is roughly equal to the time of concentration of the watersheds. Also, intuitive preprocessing such as differencing the stream flow noticeably improve the forecasting performance in almost all instances. On the other hand, consideration of the potential evapotranspiration as an additional input decrease the MLP's performance in the majority of instances. Finally, it is noteworthy that there is a general trend between the watershed runoff coefficients and the ability of the MLPs to correctly map 1 day ahead stream flows. Cette étude est conçue pour comparer 1 exécution de prévisions d'écoulement de jet de jour en avant des réseaux de la perception de multiple-couche (MLP) mis en application à une étape quotidienne de temps pour la diffusion de 47 lignes de partage à travers la France et les états unis centraux. Afin de garder la charge aux proportions maniables, un grand échantillon de lignes de partage d'essai demande une réduction du nombre d'étapes du procédé d'exécution de réseau. Ceci est réalisé en éliminant le long processus d'épreuve et d'erreurs du choix d'entrée. Les résultats prouvent qu'il est faisable pour obtenir la bonne 1 exécution de prévisions d'écoulement de jet de jour en avant des vecteurs simples de MLPs et d'entrée consistant seulement en le dernier écoulement observé de jet et une gamme prédéterminée des observations de précipitation qui est rudement égale à la période de la concentration des lignes de partage. En outre, le prétraitement intuitif tel que differencing l'écoulement de jet améliorent sensiblement l'exécution de prévisions dans presque tous les exemples. D'autre part, considération de l'evapotranspiration potentiel en tant qu'additionnel diminution d'entrée l'exécution du MLP de la majorité d'exemples. En conclusion, il est remarquable qu'il y ait une tendance générale entre les coefficients d'écoulement de ligne de partage et la capacité du MLPs de tracer correctement 1 jet de jour en avant coule. En ligne : francois.anctil@gci.ulaval.ca,

Multivariate Reservoir Inflow Forecasting Using Temporal Neural Networks / Anctil, François in Journal of hydrologic engineering, Vol. 6, N° 5 (Septembre /Octobre 2001)

Public ISBD [article]  in Journal of hydrologic engineering > Vol. 6, N° 5 (Septembre /Octobre 2001) . - 367-376 p. Titre : Multivariate Reservoir Inflow Forecasting Using Temporal Neural Networks Titre original : Prévisions Multivariables d'Apport de Réservoir en Utilisant les Réseaux Neurologiques Temporels Type de document : texte imprimé Auteurs : Anctil, François, Auteur ; Coulibaly, Paulin, Auteur ; Bobée, Bernard Article en page(s) : 367-376 p. Note générale : Hydrologie Langues : Anglais (eng) Mots-clés : Eau  Ressource  Prévision  Apport  Hydrologie  Electricité  Reseaux  neurologiques  Architecture  Réservoir  Combinaison  Réseau  multicouche  Perceptron  MLP  Chronologie Index. décimale : 551.4 Résumé : An experiment on predicting multivariate water resource time series, specifically the prediction of hydropower reservoir inflow using temporel neural networks, is presented. This Paper focuses on dynamic neural networks to address the temporal relationship of the hydrological series. three types of temporal neural network architectures with differents inherent representations of temporal information are investigated. An input delayed neural network (IDNN) and a recurrent neural netwok (RNN) with and without input time delays are proposed for multivariate reservoir inflow forecasting. The Forecast results indicate that, overall, the RNN obtained the best performance. The Results also suggest that the use of input time delays significantly improves the conventional multilayer perceptron (MLP) network but does not provide any improvement in the RNN model. However, the RNN with input time delays remains slightly more effective for multivariate reservoir inflow prediction than the IDNN model. Moreover, it is found that the conventional MLP network widely used in hydrological applications is less effective at multivariate reservoir inflow forecasting than the proposed models. Furthermore, the experiment shows that employing only time-delayed recurrences can be the more effective and less costly method for multivariate water resources time series prediction. Une expérience sur prévoir le serie multivariable de temps de ressource d'eau, spécifiquement la prévision de l'apport de réservoir d'hydro-électricité en utilisant les réseaux neurologiques de temporel, est présentée. Cet article se concentre sur les réseaux neurologiques dynamiques pour adresser le rapport temporel des séries hydrologiques trois types d'architectures temporelles de réseau neurologique avec des differents des représentations qu'inhérentes d'information temporelle sont étudiées. On propose un réseau neurologique retardé par entrée (IDNN) et un netwok neural récurrent (RNN) avec et sans du temps d'entrée retarde pour des prévisions multivariables d'apport de réservoir. Les résultats de prévision indiquent que, la combinaison, le RNN a obtenu la meilleure exécution. Les résultats également suggèrent que l'utilisation du temps d'entrée retarde améliore de manière significative le réseau multicouche conventionnel du perceptron (MLP) mais ne fournissent pas n'importe quelle amélioration du modèle de RNN. Cependant, le RNN avec du temps d'entrée retarde les restes légèrement plus efficaces pour la prévision multivariable d'apport de réservoir que le modèle d'IDNN. D'ailleurs, on le constate que le réseau conventionnel de MLP largement répandu dans des applications hydrologiques est moins efficace aux prévisions multivariables d'apport de réservoir que les modèles proposés. En outre, l'expérience prouve que l'utilisation seulement des répétitions de temps retarder peut être la méthode plus efficace et moins plus coûteuse pour la prévision multivariable de série chronologique de ressources d'eau. [article] Multivariate Reservoir Inflow Forecasting Using Temporal Neural Networks = Prévisions Multivariables d'Apport de Réservoir en Utilisant les Réseaux Neurologiques Temporels [texte imprimé] / Anctil, François, Auteur ; Coulibaly, Paulin, Auteur ; Bobée, Bernard . - 367-376 p. Hydrologie Langues : Anglais (eng) in Journal of hydrologic engineering > Vol. 6, N° 5 (Septembre /Octobre 2001) . - 367-376 p. Mots-clés : Eau  Ressource  Prévision  Apport  Hydrologie  Electricité  Reseaux  neurologiques  Architecture  Réservoir  Combinaison  Réseau  multicouche  Perceptron  MLP  Chronologie Index. décimale : 551.4 Résumé : An experiment on predicting multivariate water resource time series, specifically the prediction of hydropower reservoir inflow using temporel neural networks, is presented. This Paper focuses on dynamic neural networks to address the temporal relationship of the hydrological series. three types of temporal neural network architectures with differents inherent representations of temporal information are investigated. An input delayed neural network (IDNN) and a recurrent neural netwok (RNN) with and without input time delays are proposed for multivariate reservoir inflow forecasting. The Forecast results indicate that, overall, the RNN obtained the best performance. The Results also suggest that the use of input time delays significantly improves the conventional multilayer perceptron (MLP) network but does not provide any improvement in the RNN model. However, the RNN with input time delays remains slightly more effective for multivariate reservoir inflow prediction than the IDNN model. Moreover, it is found that the conventional MLP network widely used in hydrological applications is less effective at multivariate reservoir inflow forecasting than the proposed models. Furthermore, the experiment shows that employing only time-delayed recurrences can be the more effective and less costly method for multivariate water resources time series prediction. Une expérience sur prévoir le serie multivariable de temps de ressource d'eau, spécifiquement la prévision de l'apport de réservoir d'hydro-électricité en utilisant les réseaux neurologiques de temporel, est présentée. Cet article se concentre sur les réseaux neurologiques dynamiques pour adresser le rapport temporel des séries hydrologiques trois types d'architectures temporelles de réseau neurologique avec des differents des représentations qu'inhérentes d'information temporelle sont étudiées. On propose un réseau neurologique retardé par entrée (IDNN) et un netwok neural récurrent (RNN) avec et sans du temps d'entrée retarde pour des prévisions multivariables d'apport de réservoir. Les résultats de prévision indiquent que, la combinaison, le RNN a obtenu la meilleure exécution. Les résultats également suggèrent que l'utilisation du temps d'entrée retarde améliore de manière significative le réseau multicouche conventionnel du perceptron (MLP) mais ne fournissent pas n'importe quelle amélioration du modèle de RNN. Cependant, le RNN avec du temps d'entrée retarde les restes légèrement plus efficaces pour la prévision multivariable d'apport de réservoir que le modèle d'IDNN. D'ailleurs, on le constate que le réseau conventionnel de MLP largement répandu dans des applications hydrologiques est moins efficace aux prévisions multivariables d'apport de réservoir que les modèles proposés. En outre, l'expérience prouve que l'utilisation seulement des répétitions de temps retarder peut être la méthode plus efficace et moins plus coûteuse pour la prévision multivariable de série chronologique de ressources d'eau.