Sustavni pristup razvoju neuronskog modela vremenske serije za predviđanje protoka rijeke

Sažetak

Ovaj rad ima za cilj primijeniti sustavni pristup postupku razvoja neuralnog modela vremenske serije. Model je razvijen za prognozu protoka rijeke Cetine, tehnoekonomski najvažnijeg sliva u Hrvatskoj prema godišnjoj proizvodnji energije. Višeslojni perceptron korišten je za modeliranje hidroloških vremenskih serija izmjerenog dnevnog protoka rijeke. Najbolji model određen je eksperimentom temeljenim na usporedbi vrijednosti različitih mjera pogreške (SEE, RMSE, MAE i CE). Kako bi se odredio najbolji model, 780 MLP neuronskih mreža trenirano je pomoću Levenberg-Marquardt algoritma za treniranje. Rezultati simulacije ukazuju na visoku točnost prognoze protoka za jedan korak unaprijed i stoga daju poticaj za daljnja istraživanja.

Ozren Bego

Izvanredni profesor | Katedra za elektromotorne pogone i industrijsku automatizaciju

Ranko Goić

Redoviti profesor | Katedra za električne mreže i postrojenja

Redoviti profesor na Fakultetu elektrotehnike, strojarstva i brodogradnje u Splitu, stručan u područjima prijenosa i distribucije električne energije, obnovljivih izvora energije (OIE), planiranja, optimizacije i vođenja elektroenergetskog sustava te energetske ekonomike.