A Balaton vízlengésének becslése mesterséges neurális háló alkalmazásával

A 21. század elején a számítástechnika és méréstechnika fejlődésének köszönhetően egyre több, céljainknak megfelelő minőségű adat áll rendelkezésünkre. Ezekből az adatokból a maximális információtartalom kinyerése és a kinyerés módszerének hatékonysága, kulcsfontosságú eszközeink jó kihasználása érdekében. A tudományos körökben és a mérnöki gyakorlatban a körülöttünk lévő világ megfigyeléséből készítettünk különböző, zömében fizikai alapú számítási modelleket, amelyeknél a megfigyelt, megmért mennyiségek közé törekedtünk általános érvényű, széles körben alkalmazható összefüggések feltárására is. Az adatmennyiség növekedésével lehetőségünk van ezeket a klasszikus modelleket tovább bővíteni a pontosabb, finomabb leírásmód érdekében. Ennek a bonyolultságnak viszont sok esetben a gyakorlati, széleskörű alkalmazhatóság és nagy erőforrásigény az ára. Speciális feladatok megoldásánál, mint például a Balaton vízlengésének leírásánál, megcélozva egy a fizikai elvű, klasszikus módszertanhoz akár hasonló nagyságrendű pontosságot, gazdaságos számítást remélhetünk különböző adatvezérelt módszerek alkalmazásával is. Dolgozatomban mesterséges neurális hálók alkalmazásával készítek vízlengés előrejelzést diszkrét pontokba 2008-12 idő intervallum egy részére (részeire) az egyidejűleg mért diszkrét vízszint és szélsebesség adatok felhasználásával. Az előrejelzésnél élek azzal a feltételezéssel, hogy a Balaton sekély tó, amely vízmozgásaiért főként a szél felelős. Más bemeneti változót az előrejelzésben a modell egyszerűségének megőrzése miatt nem alkalmazok. A két alkalmazott bemeneti változó közül tehát a múltbeli vízszintek közvetlenül a víztömegnek egyfajta tehetetlenségét, a szél idősorok pedig egyfajta dinamikát, gerjesztést reprezentálnak. Dolgozatomban megvizsgálom a neurális háló éleinek súlya alapján, hogy különböző időtávú előrejelzéseknél milyen hosszúságú múltbeli adatokra van szükség adott diszkrét időbeli felbontás mellett a különböző mérési pontok adatsorában. Ez a tapasztalat később a bemeneti és a kimeneti réteg csomópontjainak számában jelentkezik. Ezen kívül megvizsgálok bonyolultabb, több rejtett réteget és csomópontot tartalmazó ún. „backpropagation” rendszerű hálószerkezetet is, törekedve egy optimális méretű szerkezet kialakítására. A hálózat viselkedését összehasonlítom különböző a jeltranszformációs függvények alkalmazásával is, homogén és inhomogén struktúrák megalkotásával. Célom a mesterséges neurális hálók eredményes adaptációjának elősegítése a hidraulika (hidrológia) tudományterületén és a módszertan gyakorlati alkalmazhatóságának ismertetése saját tapasztalataim alapján.

szerző

• 
  Jakab Jenő
  infrastruktúra-építőmérnök
  nappali

konzulens

• 
  Dr. Krámer Tamás
  Egyetemi docens, Vízépítési és Vízgazdálkodási Tanszék
  

helyezés