|
|
Konstrukce předpovědního modelu pro průtok vody ve vybraném měrném profilu
Škarecký, Pavel ; BBA, Šárka Zemanová, (oponent) ; Kozel, Tomáš (vedoucí práce)
Předmětem této bakalářské práce byla konstrukce a kalibrace předpovědního modelu pro průtok vody v měrném profilu na řece Dyji v obci Podhradí nad Dyjí. Práce je rozdělena na část teoretickou a výpočtovou. V teoretické části je popsána transformace historických dat, druhy pravděpodobnostních modelů a momentální problémy se suchem. Ve výpočtové části je popsáno zájmové území, rozdělení průtoků do zón výskytu a následné určení ideálního kvantilu. Na závěr je porovnáno jednotlivé nastavení modelu a vyhodnocení výsledků.
|
|
| |
|
|
Analýza nejistot hydrologických a provozních parametrů na vodohospodářské řešení zásobní funkce nádrže
Paseka, Stanislav ; Menšík, Pavel (oponent) ; Marton, Daniel (vedoucí práce)
Cílem této práce je představit koncept využití metody Monte Carlo k zavedení nejistot do všech vstupních hydrologických a provozních dat potřebných pro návrh a provoz nádrže. Zavedením nejistot do uvažovaných vstupů vodohospodářského řešení nádrže je následně i vypočtený objem nádrže zatížen nejistotami. Stejně tak jsou zatíženy nejistotami i hodnoty odtoků vody z nádrže a hydrologické zabezpečenosti. Pro výpočty byl použit simulační model chování nádrže, který umožní vyhodnotit výsledky řešení, a tím přispět k redukci nebezpečí vzniku poruchy, respektive nedostatku vody při provozu vodohospodářských nádrží v průběhu málo vodných a suchých obdobích.
|
|
| |
|
|
Stochastické řízení zásobní funkce nádrže
Pruch, David ; Matoušek, Petr (oponent) ; Kozel, Tomáš (vedoucí práce)
Stochastické řízení zásobní funkce vodní nádrže pracuje s určitým počtem hodnot předpovězených průtoků s určitým pravděpodobnostním rozdělením. Pro požadavek stochastického řízení zásobní funkce nádrže byl sestaven stochastický předpovědní model fungující na principu metody LHS. Model pracuje s náhodnými procesy, mezi které patří průtok v daném měrném profilu. Stochastické řízení má výhodu naproti deterministickému řízení v eventualitě výběru řízení pro určitý pravděpodobnostní scénář. V práci jsou popsány velmi stručně některé deterministické metody, ale i některé stochastické metody. Dále je v práci popsán postup pro řízení zásobního funkce nádrže pomocí metody LHS. Navrhnutý model byl otestován na fiktivní nádrži. Na závěr byly vybrány nejlepší a nejhorší výsledky, které byly následně porovnány, atak se mohlo tedy určit, které nastavení výpočtu byl ideální pro řízení.
|
|
|
Využití metod umělé inteligence pro předpověď průtoku v měrném profilu
Škarecký, Pavel ; BBA, Šárka Zemanová, (oponent) ; Kozel, Tomáš (vedoucí práce)
Předmětem této diplomové práce bylo sestavení konstrukce a kalibrace předpovědního modelu pro průtok vody v měrném profilu na řece Dyji v obci Podhradí nad Dyjí. V popisu teoretické části jsou popsány různé předpovědní modely, popis předpovědního modelu pomocí techniky náhodné chůze a popis neuronových sítí. Praktická část byla poté věnována popisu zájmové lokality, vytvoření předpovědního modelu a využití neuronových sítí jako post processingu pro zdokonalení výsledků.
|
|
|
Vodohospodářské řešení vybrané vodní nádrže
Vítková, Lucie ; Janál,, Petr (oponent) ; Marton, Daniel (vedoucí práce)
Poslední dobou je možné pozorovat častější výskyty hydrologických extrému. Nejvíce dochází k prohlubování období sucha a výskytu povodní. Při dlouhodobém suchu bude ohrožena zásobní funkce nádrží. Aby bylo problémům zabráněno, bude nutná důkladná revize manipulačních řádů a zásobních objemů nádrží. Tato bakalářská práce se zabývá výpočtem vlivu zásobního objemu nádrže Vranov při zavedení ztrát vody z nádrže výparem. Základem pro vyhodnocení výsledků slouží reálná průtoková řada, dále umělá průtoková řada generované pomocí generátoru umělých měsíčních průtoků LRM soft a program na výpočet zásobního objemu UNCE RESERVOIR.
|
|
|
Stochastické řízení zásobní funkce nádrže s pomocí metod umělé inteligence
Kozel, Tomáš ; Fošumpaur, Pavel (oponent) ; Zezulák,, Jiří (oponent) ; Starý, Miloš (vedoucí práce)
Stochastické řízení pracuje s určitým rozptylem hodnot řídících průtoků s daným pravděpodobnostním rozdělením, a proto dochází k výrazně lepší aproximaci skutečné problematiky řízení. Pro potřeby stochastického řízení zásobní funkce nádrže byly sestaveny stochastické předpovědní modely, které lépe vystihují náhodné procesy, mezi které můžeme zařadit průtok v měrném profilu. Výhodou stochastického řízení oproti deterministickému řízení je výběr možnosti řízení pro danou pravděpodobnost scénáře. Výběr pravděpodobností nám poskytne vějíř možností. V práci je popsána konstrukce a vyhodnocení stochastického adaptivního řízení zásobní funkce nádrže, které využívá modely vycházející z metod umělé inteligence (fuzzy logika, neuronové sítě), jako náhradu tradičních optimalizačních metod (evoluční algoritmy). Modelům vycházejícím z umělé inteligence je poskytnuta matice vzorů (vzorové řízení), která je vytvořena modely využívající evoluční algoritmy, a stochastický model provede řízení se zvolenou pravděpodobností překročení řízeného odtoku vody z nádrže. Celý algoritmus byl testován i validován na fiktivní nádrži. Poté bylo provedeno srovnání řízení poskytnutých jednotlivými řídícími modely, které využívaly předpovědi poskytnutými různými v práci popsanými předpovědními modely. Výsledky stochastického adaptivního řízení byly srovnány s výsledky poskytnutými modelem s tradičními algoritmy, který měl k dispozici 100% přesnost předpovědi. Velkou výhodou modelů vycházejících z metod umělé inteligence je rychlost výpočtu. Tradiční model potřeboval pro provedení stochastického řízení paralelní výpočty v klastru. Závěrem lze říci, že stochastické adaptivní řízení dokázalo provést řízení nádrže se zásobní funkcí velmi dobře. Závěrem práce byly vybrány nejlepší nastavení pro jednotlivé předpovědní a řídící modely.
|
|
|
Předpovědní model průtoků vody v měrném profilu
Urbanec, Patrik ; Matoušek, Petr (oponent) ; Kozel, Tomáš (vedoucí práce)
Předmětem této bakalářské práce bylo sestavení a kalibrace předpovědního modelu průtoků vody v měrném profilu Bílovice nad Svitou na řece Svitavě a jeho vyhodnocení. Práce je rozdělena na výpočtovou část a teoretickou část. Ve výpočtové části je popsán model vycházející z neuronových sítí a jeho kalibrace. Dále je v práci popsáno vyhodnocení předpovědí pomocí histogramů, průměrů a mediánů četností pro každý měsíc zvlášť. V teoretické části jsou popsány neuronové sítě, metodika a vyhodnocení výsledků z výpočtové části. Na závěr je porovnání jednotlivých nastavení neuronové sítě. Dle dosažených výsledků lze předpovědní model doporučit pro další zkoumání.
|
|
|
Středně dobá předpověď průtoků vody měrným profilem toku
Šelepa, Milan ; Menšík, Pavel (oponent) ; Marton, Daniel (vedoucí práce)
Diplomová práce je zaměřena na sestavení střednědobých předpovědí průměrných měsíčních průtoků vody měrným profilem toku za účelem optimalizace řízení nádrže a vodohospodářských soustav nádrží. Průtoky byly předpovídány pomocí metody umělých neuronových sítí. Předpovězené průtoky byly statisticky vyhodnoceny odpovídajícími koeficienty a následně porovnávány s naměřenými hodnotami průtoků pro dané měrné profily toku.
|
host ::
RSS.