Abstract
<p>Inflow forecasting in hydrology processes is important tool in water resources management,planning, and utilization. The fulfillment of this operational hydrology isvery applicable, especially where onlyan insufficient amount of data collected over an insufficient length of time is available. The Thomas-Fiering Method is one of the most useful and widely used synthetic flow models. In last year’s, ArtificialNeural Network (ANN)method and Fuzzy Logic have introduced in hydrological processes. Mrica hydropower reservoir in Central Java, Indonesia, has suffered water sustainability andenergy sustainability problems since the reservoir management used simple-operator judged waterinflow forecasting method. In this paper, an ANN and Fuzzy Logic hybrid algorithm calledAdaptive Neuro-Fuzzy Inference System(ANFIS) and Thomas-Fiering model are employed to estimate water inflow to the Mrica reservoir. ANFIS performs better for long-range inflow forecasting, while Thomas-Fiering model was better for short-range forecasting.</p>
Highlights
Model Thomas-FieringSimpangan baku nilai ( ) untuk setiap tahapan diperoleh dengan, dengan adalah rerata nilai pada tahap ke-j
Pada dekade terakhir ini, peramalan aliran sungai dalam suatu proses hidrologis memiliki peran yang penting agar dapat menghasilkan manajemen, perencanaan, dan penggunaan sumber daya air secara akurat dan berkelanjutan
only an insufficient amount of data collected over an insufficient length of time is available
Summary
Simpangan baku nilai ( ) untuk setiap tahapan diperoleh dengan, dengan adalah rerata nilai pada tahap ke-j. Pada Lapis ke-2 (Layer 2) atau rules node, operator AND/OR diterapkan untuk mendapatkan satu keluaran yang menyatakan hasil dari anteseden untuk sebuah aturan fuzzy atau yang disebut pula sebagai firing strength. Keluaran tersebut disebut w dan memiliki persamaan, Lapis ke-3 (Layer 3) atau average node memilki tujuan utama untuk menghitung rasio firing strength dari setiap aturan ke-i pada jumlah semua firing strength dari semua aturan. Sehingga firing strength dalam lapis ini dinormalisasikan menjadi, Pada Lapis ke-4 (Layer 4) atau consequent node, kontribusi dari setiap aturan ke-i terhadap keluaran total atau keluaran model dan atau fungsi yang dinyatakan dihitung berdasarkan persamaan berikut,. Metode “gradient descent” digunakan untuk parameter masukan nonlinear (ai, bi, ci) sedangkan metode “least square” diterapkan untuk mengidentifikasikan parameter keluaran linear (pi, qi, ri)
Sign-in/Register to view highlights & summary Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callDisclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
