Προβλέψεις ποιοτικών και ποσοτικών παραμέτρων νερού καρστικής υφάλμυρης πηγής με τη χρήση νευρωνικών δικτύων. Εφαρμογή στην πηγή του Αλμυρού (Ηράκλειο, Κρήτη)
Forecasts of qualitative and quantitative parameters of a karst brackish water source using neural networks. Application at the source of Almyros (Heraklion, Crete)
Θεματική επικεφαλίδα
TPSH::Περιβάλλον::Περιβαλλοντική Μηχανική ; TPSH::Περιβάλλον::Φυσικοί ΠόροιΛέξεις κλειδιά
Πρόβλεψη ποιότητας νερού ; Πρόβλεψη υδάτινων απορροών ; Ποιότητα νερού ; Νευρωνικά δίκτυα ; Πηγή Αλμυρού ; Κρήτη ; ΧρονοσειρέςΠερίληψη
Σκοπός της παρούσας μεταπτυχιακής διπλωματικής εργασίας είναι η κατανόηση του φυσικού συστήματος της καρστικής πηγής του Αλμυρού στον Νομό Ηρακλείου Κρήτης μέσω της δημιουργίας ενός νευρωνικού δικτύου το οποίο θα δομηθεί με όρους χρονοσειράς δεδομένων. Τα νευρωνικά δίκτυα έχουν -μεταξύ άλλων χρήσεων- ως στόχο να δημιουργήσουν μια συνάρτηση, η οποία θα δέχεται ως μεταβλητές εισόδου, (ή ανεξάρτητες μεταβλητές) οι οποίες θα μπορούν να προβλέπουν μια μεταβλητή εξόδου (εξαρτημένη μεταβλητή). Στην περίπτωση των περιβαλλοντικών δεδομένων με τη μορφή χρονοσειράς, η λογική που επικρατεί είναι ότι η όποια πρόβλεψη του χρονικού δεδομένου του επόμενου βήματος βασίζεται σε μια αλληλουχία από προηγούμενους χρονικούς κύκλους, με συγκεκριμένο αριθμό βημάτων. Τα προηγούμενα χρονικά βήματα (ένα ή περισσότερα), ονομάζονται καθυστερήσεις και χρησιμοποιούνται άρα ως μεταβλητές πρόβλεψης. Η μεταπτυχιακή διπλωματική εργασία θα αξιοποιήσει δεδομένα περιορισμένης έκτασης και θα δημιουργηθεί μεταμοντέλο με υψηλό βαθμό στατιστικής ανεξαρτησίας, μέσω του οποίου θα δίνεται η δυνατότητα για πρόβλεψης μελλοντικών χρονικών βημάτων παροχών. Μέσω του μαθηματικού μοντέλου αυτού, θα επιχειρηθεί οι ήδη υπάρχουσες παρατηρήσεις να δύνανται να προβλεφθούν με υψηλό βαθμό ακρίβειας.
Το πρώτο κεφάλαιο της εργασίας εστιάζει στην περιγραφή του Αλμυρού ως φυσικού συστήματος. Γίνεται αναφορά σε προηγούμενες μελέτες με υδρολογικά, γεωλογικά, κλιματολογικά, ανθρωπογεωγραφικά και λοιπά περιβαλλοντικά δεδομένα.
Το δεύτερο κεφάλαιο της εργασίας περιγράφει σχετικές στατιστικές τεχνικές υψηλού ενδιαφέροντος και σχετιζόμενες με την παρούσα εργασία. Το τρίτο κεφάλαιο της εργασίας αναφέρεται στη διαδικασία και στις λεπτομέρειες κατασκευής του μεταμοντέλου. Για την κατασκευή του μεταμοντέλου, χρησιμοποιήθηκε η γλώσσα προγραμματισμού MATLAB. Η κατασκευή αφορά ένα μη-γραμμικό νευρωνικό αυτοπαλινδρομούμενο δίκτυο (NAR). Η αρχιτεκτονική του, τα χαρακτηριστικά του, καθώς και δείκτες ποιότητας ως προς το βαθμό της αξιοπιστίας του, συζητούνται στο κεφάλαιο αυτό. Τέλος, στο κεφάλαιο 4 γίνεται αναφορά στα συμπεράσματα της μελέτης και σε προτάσεις για μελλοντική έρευνα.
Περίληψη
The purpose of the present master's thesis is to understand the natural system of the karstic source of Almyros in the Prefecture of Heraklion, Crete through the creation of a neural network which will be structured in the form of time series data.
Neural networks aim -among other uses- to create a function, which will make use of a series of input variables (or independent variables) that can predict an output variable (dependent variable). The master's thesis will utilize rare data and will create a metamodel with a high degree of statistical independence, through which it will be possible to predict future time steps of water discharges. Through this mathematical model, it will be attempted to simulate existing observations with a high degree of accuracy. The first chapter of the thesis focuses on the description of Almyros as a natural system. Reference is made to previous studies with hydrological, geological, climatological, anthropogeographical and other environmental data. The second chapter of the paper describes relevant statistical techniques that are of high interest and are related to the present study. The third chapter of the work refers to the process and the details of the construction of the metamodel. The MATLAB programming language was used to construct the metamodel. The construction involves a non-linear self-regulating neural network (NAR). Its architecture, its features, as well as quality indicators in terms of its degree of reliability, are discussed in this chapter. Finally, chapter 4 refers to the conclusions of the study and makes suggestions for future research.