Rainfall estimation based on artificial neural network (ANN) models for monsoon season (eBook)
128 Seiten
GRIN Verlag
978-3-346-04338-2 (ISBN)
Master's Thesis from the year 2014 in the subject Geography / Earth Science - Meteorology, Aeronomy, Climatology, grade: 6.84, , course: Soil and Water Conservation Engineering, language: English, abstract: In this master thesis the author will estimate the rainfall based on artificial neural network (ANN) models for monsoon season. The accurate rainfall prediction is one of the greatest challenges in hydrology. Forecast of any natural and usual event call for information regarding its phase of occurrence as well as nature. In the present study, artificial neural network (ANN) with different activation functions has been employed, to estimate daily monsoon rainfall of Pusa, Samastipur, in Bihar, India.
The daily mean temperature, relative humidity, vapour pressure and rainfall data of period (1st June to 30th September) for years 1981-1989, 1992-1994, 1996-2002 and 2004-2008 were used for training and data for years 2009-2013 were used to test the models. The sensitivity analysis was carried out to identify the most significant parameter for daily rainfall prediction. The Neuro solution 5.0 software was used for designing of ANN models based on sigmoid axon and hyperbolic tangent axon activation functions. All the ANN networks were trained and tested with feed forward back propagation algorithm. The performance of the models were evaluated qualitatively by visual observation and quantitatively using different statistical and hydrological indices viz. mean square error, correlation coefficient, akaike’s information criterion, coefficient of efficiency and pooled average relative error.
It was found that the performance of the ANN single hidden layer model based on sigmoid axon activation function is better than the ANN model based on hyperbolic tangent axon activation function. The best ANN models revealed that two days lag time was found to be satisfactory for set of inputs to the model. The sensitivity analysis indicated that the most significant input parameter besides rainfall itself is the vapour pressure in daily rainfall prediction for study area.
| Erscheint lt. Verlag | 24.10.2019 |
|---|---|
| Verlagsort | München |
| Sprache | englisch |
| Themenwelt | Naturwissenschaften ► Geowissenschaften ► Geografie / Kartografie |
| Technik | |
| Schlagworte | rainfall |
| ISBN-10 | 3-346-04338-X / 334604338X |
| ISBN-13 | 978-3-346-04338-2 / 9783346043382 |
| Haben Sie eine Frage zum Produkt? |
PDF (Ohne DRM)Größe: 6,8 MB
Digital Rights Management: ohne DRM
Dieses eBook enthält kein DRM oder Kopierschutz. Eine Weitergabe an Dritte ist jedoch rechtlich nicht zulässig, weil Sie beim Kauf nur die Rechte an der persönlichen Nutzung erwerben.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
