Search Result of "Reservoir inflow"

About 26 results
Img
Img

การประชุมวิชาการ

Reservoir inflow forecasting by artificial neural networks

ผู้แต่ง:ImgDr.Varawoot Vudhivanich, Associate Professor,

การประชุมวิชาการ:

Img

Img

การประชุมวิชาการ

Reservoir inflow forecasting by artificial neural networks

ผู้แต่ง:ImgMr.Nimit Cherdchanpipat, Assistant Professor,

การประชุมวิชาการ:

Img

Img
Img
Img
Img
Img
Img
Img
Img
Img
Img

ที่มา:วิทยาสารเกษตรศาสตร์ สาขา วิทยาศาสตร์

หัวเรื่อง:ไม่มีชื่อไทย (ชื่ออังกฤษ : Application of Artificial Neural Networks for Reservoir Inflow Forecasting)

ผู้เขียน:Imgดร.วราวุธ วุฒิวณิชย์, รองศาสตราจารย์, ImgSanti Thongpumnak, Imgนายนิมิตร เฉิดฉันท์พิพัฒน์, ผู้ช่วยศาสตราจารย์, Imgอารียา ฤทธิมา, ImgNattaphun Kasempun

สื่อสิ่งพิมพ์:pdf

Abstract

This study showed the application of the Artificial Neural Networks in forecasting the reservoir inflow. Two cases were studied, (1) single reservoir inflow forecasting and (2) multi-reservoir inflow forecasting. The problems were formulated as daily, weekly and monthly inflow forecast. There were 4 types of model namely A, B, C and D according to the levels of data used as the input variables to the ANNs. Model A used all available data of that reservoir. Model B used the data having relatively high correlation with the reservoir inflow such as the first 3 lags of reservoir inflow, stream flow, rainfall and some meteorological data. Model C used only the first 3 lags of the reservoir inflow and stream flow data. Model D used the first 3 lags of reservoir inflow, stream flow and rainfall data. The 4 reservoirs namely Mun Bon, Lam Chae, Lam Phra Phloeng and Lam Takong reservoirs in Upper Mun basin, Nakhon Ratchasima province, were selected as the case study. Feed forwards back propagation algorithm was selected for the study. One to 3 hidden layers with different ANNs parameters were experimented. Two to 3 hidden layers were suitable for single reservoir problem while 1 to 2 hidden layers were suitable for multi-reservoir problem. Sigmoid transfer function was used in all the models. The initial weight, learning rate and momentum were in the ranges of 0.80-0.90. However they were not sensitive to prediction performance. For single reservoir forecasting, models A and B showed better performance (R2) than models C and D. The monthly model showed the better result than the weekly and daily models. For multi-reservoir forecasting, the performance of the 4 models was not different. Model C was recommended since it required less data. The training and testing performance of daily, weekly and monthly models were not much different in case of multi-reservoir.

Article Info
Agriculture and Natural Resources -- formerly Kasetsart Journal (Natural Science), Volume 040, Issue 1, Jan 06 - Mar 06, Page 247 - 259 |  PDF |  Page 

Img

Researcher

ดร. วราวุธ วุฒิวณิชย์, รองศาสตราจารย์

ที่ทำงาน:ภาควิชาวิศวกรรมชลประทาน คณะวิศวกรรมศาสตร์ กำแพงแสน

สาขาที่สนใจ:อุทกวิทยา, การจัดการน้ำ

Resume

Img

งานวิจัย

การวิเคราะห์แนวโน้มปริมาณน้ำหลากสูงสุดของลุ่มน้ำหลักในประเทศไทย (2016)

หัวหน้าโครงการ:Imgดร.ไชยาพงษ์ เทพประสิทธิ์, ผู้ช่วยศาสตราจารย์

แหล่งทุน:คณะวิศวกรรมศาสตร์ กำแพงแสน มหาวิทยาลัยเกษตรศาสตร์

ผลลัพธ์:วารสาร (2)

Img

ที่มา:วิทยานิพนธ์ ปริญญาโท (จาก: บัณฑิตวิทยาลัย และ สำนักหอสมุด มก.)

หัวเรื่อง:การพยากรณ์ปริมาณน้ำไหลเข้าอ่างเก็บน้ำของอ่างเก็บน้ำดอกกราย และอ่างเก็บน้ำหนองปลาไหล จังหวัดระยอง โดยใช้โครงข่ายประสาทประดิษฐ์

ผู้เขียน:Imgคณิต ชินวงศ์

ประธานกรรมการ:Imgดร.วราวุธ วุฒิวณิชย์, รองศาสตราจารย์

กรรมการวิชาเอก:Imgนายนิมิตร เฉิดฉันท์พิพัฒน์, ผู้ช่วยศาสตราจารย์

กรรมการวิชารอง:Imgดร.กุมุท สังขศิลา, รองศาสตราจารย์

สื่อสิ่งพิมพ์:pdf

Abstract


Dissertation/Thesis Info
Abstract  (cache) |  Full text  (cache)  | Page  (Info)

Img

ที่มา:ทุนอุอหนุนวิจัย มก.

หัวเรื่อง:การประยุกต์ระบบโครงข่ายประสาทประดิษฐ์ในการพยากรณ์ปริมาณน้ำที่ไหลเข้าอ่างเก็บน้ำ

หัวหน้าโครงการ:Imgดร.วราวุธ วุฒิวณิชย์, รองศาสตราจารย์

ผู้ร่วมโครงการ:Imgนายสันติ ทองพำนัก, รองศาสตราจารย์, Imgนายนิมิตร เฉิดฉันท์พิพัฒน์, ผู้ช่วยศาสตราจารย์

Img

Researcher

ดร. วีระยุทธ พิมพาภรณ์, ผู้ช่วยศาสตราจารย์

ที่ทำงาน:ภาควิชาวิทยาการคอมพิวเตอร์และสารสนเทศ คณะวิทยาศาสตร์ ศรีราชา

สาขาที่สนใจ:Data Mining and Machine Learning, Knowledge Discovery , Knowledge Transfer, Decision Support, Recommender Systems, Artificial Neural Network, Fuzzy Systems, Information Technology and Computer Education, Knowledge Management, Web Application, Management Information System, Software engineering

Resume

Img

Researcher

ดร. ดนย์ปภพ มะณี, ผู้ช่วยศาสตราจารย์

ที่ทำงาน:ภาควิชาวิศวกรรมทรัพยากรน้ำ คณะวิศวกรรมศาสตร์

สาขาที่สนใจ:อุทกวิทยา , วิทยาการสารสนเทศทางน้ำ, แบบจำลองสภาพภูมิอากาศโลก , สถิติสำหรับงานอุทกวิทยา

Resume

Img

Researcher

ดร. สันติ พ่วงเจริญ, ผู้ช่วยศาสตราจารย์

ที่ทำงาน:ภาควิชาชีววิทยาประมง คณะประมง

สาขาที่สนใจ:ชีววิทยาและนิเวศวิทยาของปลา, การจำแนกชนิดลูกปลาวัยอ่อน

Resume

12