Π. Παγωτέλης, Διερεύνηση του προβλήματος μεσοπρόθεσμης πρόγνωσης των εισροών ταμιευτήρων με χρήση στοχαστικών τεχνικών και εργαλείων μηχανικής μάθησης, Διπλωματική εργασία, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Νοέμβριος 2024.
[doc_id=2508]
[Ελληνικά]
Η διαχείριση των υδάτινων πόρων είναι ένα θέμα που έχει απασχολήσει την ανθρωπότητα για πολλούς αιώνες. Στη σύγχρονη εποχή, αυτό συνεπάγεται σε ανάγκη διαχείρισης νερού σε ταμιευτήρες, τεχνητούς ή φυσικούς, με στόχο την πλήρη και αδιάλειπτη κάλυψη των αναγκών ύδρευσης και άρδευσης, αλλά και γενικότερο όλων των ανθρώπινων δραστηριοτήτων που απαιτούν νερό. Ειδικότερα, στην Αττική, τις οποίας οι ανάγκες καλύπτονται από ένα σύστημα τριών ταμιευτήρων, του Ευήνου, του Μόρνου και της Υλίκης, θα ήταν ιδιαίτερα χρήσιμη η δυνατότητα πρόβλεψης των εισροών στους ταμιευτήρες για σύντομα διαστήματα στο μέλλον, προκειμένου να μπορεί να γίνεται καλύτερος προγραμματισμός της διάθεσης του νερού από αυτούς. Στην παρούσα εργασία γίνεται διερεύνηση του κατά πόσο μπορούν να χρησιμοποιηθούν τεχνητά ανατροφοδοτούμενα νευρωνικά δίκτυα, και συγκεκριμένα LSTM (Long Short-term Memory, Δίκτυα Μακράς Βραχύχρονης Μνήμης), προκειμένου να προβλεφθούν οι εισροές στους ταμιευτήρες για την περίοδο Μαρτίου – Σεπτεμβρίου του υδρολογικού έτους, χρησιμοποιώντας σα δεδομένα για την πρόβλεψη τις βροχοπτώσεις και τις εισροές στις λεκάνες για την περίοδο Οκτωβρίου – Φεβρουαρίου. Τα δεδομένα που χρησιμοποιούνται για τη διαδικασία της εκπαίδευσης των μοντέλων (εκπαίδευση και επικύρωση όσον αφορά τα LSTM) έχουν παραχθεί με συνθετικό τρόπο από ιστορικά δεδομένα για τις λεκάνες, ενώ για την αξιολόγηση των μοντέλων χρησιμοποιούνται τα αυτούσια ιστορικά δεδομένα. Γίνεται σύγκριση των αποτελεσμάτων των προβλέψεων με το απλό γραμμικό μοντέλο, χρησιμοποιώντας μετρικές κατάλληλες για προβλήματα υδρολογικής φύσης, όπως είναι η NSE (Nash – Sutcliffe Efficiency) και η KGE (Kling – Gupta Efficiency). Ταυτόχρονα, σκοπός είναι και η βελτιστοποίηση των υπερπαραμέτρων των μοντέλων για την επίτευξη των καλύτερων αποτελεσμάτων. Τελικά, προκύπτει πως η χρήση νευρωνικών δικτύων LSTM για την πρόβλεψη των εισροών σε ταμιευτήρες είναι υποσχόμενη, και μπορούν να χρησιμοποιηθούν, είτε μόνα τους, είτε ως μέρος υβριδικών μοντέλων, ως υποστηρικτικά μέσα σε συστήματα λήψης αποφάσεων για τη διαχείριση υδατικών πόρων από αρμόδιους φορείς.
Πλήρες κείμενο: