Sažetak
Umjetne neuronske mreže već se nekoliko desetljeća uspješno koriste za modeliranje i predviđanje protoka vode. Pokazalo se da različite vrste mreža rade bolje u različitim slučajevima, a implementirani su dodatni alati i algoritmi za poboljšanje tih neuronskih modela. Međutim, neki problemi ipak se javljaju u određenim slučajevima. Ovaj se rad bavi ograničenjem predviđanja dotoka složenog hidrološkog sustava pomoću umjetne neuronske mreže i vremenskih serija dotoka. Ovo ograničenje naziva se kašnjenje predviđanja i ono onemogućuje modelu da daje točna predviđanja. Kako bi se uklonilo kašnjenje predviđanja i produžio horizont predviđanja, predlaže se alternativna ulazna varijabla pod nazivom prognozirana učestalost oborine uz prethodnu vremensku seriju dotoka. Rezultati simulacije dokazuju učinkovitost predloženog rješenja koje omogućuje model neuronske mreže vremenske serije za 7-dnevno predviđanje priljeva. Ovo predstavlja važnu informaciju u operativnom planiranju hidrološkog sustava, koja se koristi za kratkoročnu optimizaciju sustava, npr. optimizacija rada hidroelektrane.
