English
Język Polski
Zastosowanie metody wygładzania wykładniczego do prognozowania dobowego zużycia wody w obszarach wiejskich
DOI:
https://doi.org/10.24425/ace.2023.146090Abstrakt
Wzrost zapotrzebowania na wodę w gminach przyległych do dużych aglomeracji, a co za tym idzie wzrost produkcji wody, zmuszają przedsiębiorstwa wodociągowe do szukania nowych rozwiązań dotyczących między innymi optymalnego sterowania takimi procesami jak: ujmowanie i rozdział dyspozycyjnych zasobów wodnych, dystrybucja oraz oczyszczanie wody i ścieków. Aby zapewnić skuteczne sterowanie tymi procesami wymagany jest między innymi skalibrowany model hydrauliczny sieci dystrybucji i model prognostyczny poboru wody. Do bieżącego i krótkoterminowego prognozowania poboru wody wykorzystywane są modele stochastyczne, wprowadzane w postaci zalgorytmizowanej do struktury zarządzania procesem sterowania. Najczęściej stosowane są scałkowane modele autoregresji i średniej ruchomej ARIMA oraz metody wygładzania wykładniczego szeregów czasowych. Modele klasy ARIMA odwzorowują właściwości statyczne i dynamiczne szeregów stacjonarnych i pewnych klas szeregów niestacjonarnych, interpretowanych jako wynik przejścia białego szumu przez dyskretny filtr liniowy skończenie wymiarowy. Charakteryzują się one różnymi właściwościami przy jednolitym zapisie formalnym oraz identycznych metodach estymacji parametrów dla różnych typów i podklas modeli. Metody prognozowania oparte na algorytmach wygładzania wykładniczego są łatwe do praktycznego zastosowania i nie wymagają założenia o stacjonarności analizowanego szeregu czasowego. W niniejszej pracy przedstawiono obserwacje dotyczące dobowego zużycia wody w jednej z gmin przyległej do Wrocławia wraz z analizą możliwości zastosowania metody wygładzania wykładniczego do krótkoterminowego prognozowania dobowego poboru wody.Bibliografia
[1] C.M. Fontanazza, V. Notaro, V. Puleo, and G. Freni, “Multivariate statistical analysis for water demand modeling”, Procedia Engineering, vol. 89, pp. 901-908, 2014, doi: 10.1016/j.proeng.2014.11.523.
[2] W. Cieżak and J. Cieżak, “Variability of water intake in settlement units adjacent to Wrocław”, in E3S Web of Conferences, vol. 59, pp. 1-4, 2018, doi: 10.1051/e3sconf/20185900019.
[3] J. Rising, L. Josset, T. Troy, and U. Lall, “The importance of infrastructure and national demand to represent constraints on water supply in the United States”, Global Environmental Change, vol. 73, art. no. 102468, 2022, doi: 10.1016/j.gloenvcha.2022.102468.
[4] A. Węglarz and P. Gilewski, “Risk analysis in the environmental impact assessment of building construction innovations”, Archives of Civil Engineering, vol. 67, no. 4, pp. 433-450, 2021, doi: 10.24425/ace.2021.138510.
[5] A. Studzinski, V.O. Harbulakova, and I. Skrzypczak, “The influence of the properties of water pipes made of PE on their durability and reliability”, Archives of Civil Engineering, vol. 68, no. 1, pp. 129-143, 2022, doi: 10.24425/ace.2022.140160.
[6] M. Kutyłowska, “Prediction of water conduits failure rate - comparison of support vector machine and neural network”, Ecological Chemistry and Engineering A, vol. 23, no. 2, pp. 147-160, 2016, doi: 10.2428/ecea.2016.23(2)11.
[7] E.A. Redondo-Peñulea, H.A. Rondón-Quintana, and C.A. Zafra-Mejía, “Water quality management in a treatment plant using the Box-Jenkins method”, Archives of Civil Engineering, vol. 66, no. 3, pp. 125-137, 2020, doi: 10.24425/ace.2020.134388.
[8] O.A. Ahmad and S.M. Ayyad, “Secondary treated wastewater as a concrete component and its impact on the basic strength properties of the material”, Archives of Civil Engineering, vol. 67, no. 1, pp. 571-583, 2021, doi: 10.24425/ace.2021.136490.
[9] S. Torrent and R. Pérez, “Modelling daily water consumption through potential curves. Disaggregating apparent and real losses”, Urban Water Journal, vol. 17, no. 4, pp. 292-302, 2020, doi: 10.1080/1573062X.2020.1764594.
[10] G. Sanchez, A. Terando, J.W. Smith, A.M. García, C.R. Wagner, and R.K. Meentemeyer, “Forecasting water demand across a rapidly urbanizing region”, Science of The Total Environment, vol. 730, art. no. 139050, 2020, doi: 10.1016/j.scitotenv.2020.139050.
[11] J.S. Wong, Q. Zhang, and Y.D. Chen, “Statistical modeling of daily urban water consumption in Hong Kong: Trend, changing patterns, and forecast”, Water Resources Research, vol. 46, no. 3, art. no. W03506, 2010, doi: 10.1029/2009WR008147.
[12] D.C.M. Ristow, E. Henning, A. Kalbusch, and C.E. Petersen, “Models for forecasting water demand using time series analysis: a case study in Southern Brazil”, Journal of Water, Sanitation and Hygiene for Development, vol. 11, no. 2, pp. 231-240, 2021, doi: 10.2166/washdev.2021.208.
[13] H. Gong, R. Pishgar, and J.H. Tay, “Artificial neural network modelling for organic and total nitrogen removal of aerobic granulation under steady-state condition”, Environmental Technology, vol. 40, no. 24, pp. 3124-3139, 2019, doi: 10.1080/09593330.2018.1466920.
[14] J. Ravnik, J. Jovanovac, A. Trupej, N. Vištica, and M. Hriberšek, “A sigmoid regression and artificial neural network models for day-ahead natural gas usage forecasting”, Cleaner and Responsible Consumption, vol. 3, art. no. 100040, 2021, doi: 10.1016/j.clrc.2021.100040.
[15] Study of the conditions and directions of spatial development in the Czernica Municipality. Czernica, 2013 (in Polish).
[16] Strategy with elements of local development planning for the Czernica Municipality for 2014-2025. Czernica 2014 (in Polish).
[17] A. Zeliaś, Forecast theory. Warszawa, Poland: Polish Economic Publishing House, 1997 (in Polish).
[18] A. Zeliaś, B. Pawełek, and S. Wanat, Economic forecasting. Theory, examples, tasks. Warszawa, Poland: Scientific Publishing House PWN, 2003 (in Polish).
[19] C.C. Holt, “Forecasting seasonals and trends by exponentially weighted moving averages”, International Journal of Forecasting, vol. 20, no. 1, pp. 5-10, 2004, doi: 10.1016/j.ijforecast.2003.09.015.
[20] D. Kwiatkowska-Ciotucha and U. Załuska, “Quality grades of forecasts errors - theory and practice”, Statistical Review, vol. 49, no. 3, pp. 147-161, 2002 (in Polish).
[21] M. Szmuksta-Zawadzka and J. Zawadzki, “About measures of ex-post the forecasts accuracy used to variables with strong of seasonal fluctuations”, Quantitative Methods in Economics, vol. 13, no. 1, pp. 212-223, 2012 (in Polish).
Pobrania
Opublikowane
Jak cytować
Numer
Dział
