Wyniki 1-1 spośród 1 dla zapytania: authorDesc:"Paweł Rychlikowski"

Prognozowanie zapotrzebowania na wodę z wykorzystaniem uczenia maszynowego DOI:10.15199/17.2018.10.5


  Prognozowanie wielkości zużycia wody staje się współcześnie jednym z ważniejszych czynników niezbędnych do racjonalnego zarządzania infrastrukturą wodociągową i zasobami wodnymi. W zależności od celu prowadzonych obserwacji, coraz bardziej rozwinięte systemy WDF (ang. Water Demand Forecasting) pozwalają na predykcję poboru wody w ujęciu krótko- i długoterminowym. Analizy długoterminowe, z perspektywą kilku miesięcy lub lat, mają służyć wspomaganiu podejmowania decyzji związanych z projektowaniem i rozbudową sieci wodociągowych. Symulacje krótkoterminowe, najczęściej dobowe lub 48 godzinne, są wykorzystywane do optymalizacji pracy pompowni oraz rozwiązywania bieżących problemów eksploatacyjnych [4]. Tiwari i Adamowski [21] wyróżniają także prognozowanie średnioterminowe, w odniesieniu do tygodniowych przedziałów czasu, mające zastosowanie do planowania prac związanych z konserwacją i modernizacją sieci oraz w procedu- *) mgr inż. J. Stańczyk, dr J. Kajewska-Szkudlarek, prof. dr hab. inż. J. Łomotowski - Instytut Inżynierii Środowiska, Uniwersytet Przyrodniczy we Wrocławiu, pl. Grunwaldzki 24, 50-363 Wrocław, e-mail: justyna.stanczyk@upwr.edu.pl dr P. Lipiński, dr P. Rychlikowski - Pracownia Inteligencji Obliczeniowej, Instytut Informatyki, Uniwersytet Wrocławski, ul. Joliot-Curie 15, 50-383 Wrocław, e-mail: piotr.lipinski@cs.uni.wroc.pl, pawel.rychlikowski@cs.uni.wroc.pl mgr inż. T. Konieczny - Centrum Nowych Technologii, Miejskie Przedsiębiorstwo Wodociągów i Kanalizacji S.A. we Wrocławiu, ul. Na Grobli 14/16, 50-421 Wrocław, e-mail: tomasz.konieczny@mpwik.wroc.pl Prognozowanie zapotrzebowania na wodę z wykorzystaniem uczenia maszynowego Water demand forecasting using machine learning Justyna Stańczyk, Joanna Kajewska-Szkudlarek, Janusz Łomotowski, Piotr Lipiński, Paweł Rychlikowski, Tomasz Konieczny*) GAZ, WODA I TECHNIKA SANITARNA ■ PAŹDZIERNIK 2018 373 rach stosowanych do ograniczenia liczby awarii. Każdorazowo, do oc[...]

 Strona 1