diplomski rad
OPTIMALIZACIJA HIDROTEHNIČKOG SUSTAVA POMOĆU NEURALNIH MREŽA

Antun Crnolatac (2015)
Sveučilište Josipa Jurja Strossmayera u Osijeku
Građevinski fakultet Osijek
Zavod za hidrotehniku i zaštitu okoliša
Podaci o radu
NaslovOPTIMALIZACIJA HIDROTEHNIČKOG SUSTAVA POMOĆU NEURALNIH MREŽA
AutorAntun Crnolatac
Voditelj/MentorMarija Šperac (mentor)
Sažetak rada
U svrhu boljeg upravljanja hidrotehničkim sustavom potrebno je optimalizirati dobivene parametre hidrološke postaje Donji Miholjac C.S., primjenom neuralnih mreža. Neuralne mreže se mogu usporediti sa umjetnom inteligencijom. Umjetna inteligencija je termin koji se dodaje svakom neživom sustavu koji ima sposobnost snalaženja u novim situacijama. Za rad s neuralnim mrežama korišten je računalni program Weka. Programom je obrađena povezanost oborine i protoka na postaji Donji Miholjac. Ulazni podaci su bili izmjerene vrijednosti oborina od strane DHMZ – a, a izlazne vrijednosti su bili protoci hidrološke postaje Donji Miholjac, C.S. Računalni program Weka ostvaruje više različitih oblika algoritama korištenih za predviđanja, kao što su stabla odluke, pravila klasifikacije, neuronske mreže i slično. Nudi optimalno rješenje s pripadajućim modelom koji predstavlja izbor najpovoljnijeg upravljanja, a što ne znači da mora biti optimalno po svim kriterijima. Optimalizacijski model mora imati analitički definiranu funkciju cilja, u okviru sasvim jasno definiranih kriterija za vrednovanje svake upravljačke odluke. Rezultati koji se dobiju putem neuronskih mreža prikazuju koliko pojedini parametar utječe na uspješnost pojedine neuronske mreže. Predviđanje rezultata na dnevnoj bazi pruža znatno veće mogućnosti u svrhu zaštite od poplava. Upravo iz tog razloga je potrebno konstantno praćenje i mjerenje vodotoka, da se može pravilno intervenirati u slučaju takvih prirodnih katastrofa. Mogućnost predviđanja poplava se sve više povećava i olakšava s obzirom na to kako tehnologija i znanost sve više napreduje. Poplave su svuda u svijetu, pa tako i u Hrvatskoj sve učestalije, intenzivnije i opasnije. Ne mogu se spriječiti, ali se poduzimanjem učinkovitih, preventivnih i operativnih mjera njihove štetne posljedice mogu značajno ublažiti.
Ključne riječihidrotehnički sustav neuralne mreže Weka
Naslov na drugom jeziku (engleski)OPTIMALIZATION HYDROTECHNIC SYSTEM BY NEURAL NETWORK
Povjerenstvo za obranuLidija Tadić (predsjednik povjerenstva)
Marija Šperac (član povjerenstva)
Brankica Malić (član povjerenstva)
Ustanova koja je dodijelila akademski/stručni stupanjSveučilište Josipa Jurja Strossmayera u Osijeku
Građevinski fakultet Osijek
Ustrojstvena jedinica niže razineZavod za hidrotehniku i zaštitu okoliša
MjestoOsijek
Država obraneHrvatska
Znanstveno područje, polje, granaTEHNIČKE ZNANOSTI
Građevinarstvo
Hidrotehnika
Vrsta studijasveučilišni
Stupanjdiplomski
Naziv studijskog programaGrađevinarstvo; smjerovi: Hidrotehnika, Nosive konstrukcije, Organizacija tehnologija i menadžment građenja, Prometnice
SmjerHidrotehnika
Akademski / stručni nazivmagistar/magistra inženjer/inženjerka građevinarstva
Kratica akademskog / stručnog nazivamag.ing.aedif.
Vrsta radadiplomski rad
Jezik hrvatski
Datum obrane2015-09-25
Sažetak rada na drugom jeziku (engleski)
For the purpose of better management of water development projects it is necessary to optimize the parameters obtained by hydrological station Donji Miholjac CS, with the application of neural networks. Neural networks could compare with artificial intelligence. Artificial intelligence is a term that is added to each non-living system that has the ability to cope with new situations. To work with neural networks we used a computer program Weka. A computer program Weka achieves more different forms of algorithms used for prediction, such as decision trees, classification rules, neural networks, etc... It offers us the optimal solution with the corresponding model which is a selection of the best management, which does not mean it has to be optimal by any standards. The optimization model must be analytically defined objective function within clearly defined criteria for the evaluation of each management decision. The results obtained by neural networks give us display how individual parameter affects the performance of individual neural networks. Prediction results on a daily basis provides a significantly greater potential to protect against flooding. For this reason, it takes constant monitoring and measurement of water flow, that it can properly respond to such natural disasters. The ability to predict floods is on the increase and facilitate with regard to how technology and science are increasingly advancing. Floods are everywhere in the world, including Croatia and more frequent, more intense and more dangerous. It can not be prevented, but the taking of effective, preventive and operational measures of their harmful effects can be significantly mitigated.
Ključne riječi na drugom jeziku (engleski)hydraulic system neural networks Weka
Vrsta resursatekst
Prava pristupaRad u otvorenom pristupu
Uvjeti korištenja radahttp://rightsstatements.org/vocab/InC/1.0/
URN:NBNhttps://urn.nsk.hr/urn:nbn:hr:133:549946
PohranioVesna Zobundžija