Resumen

Los datos hidrológicos a menudo faltan debido a desastres naturales, operación inadecuada, vida limitada del equipo y otros factores, lo que limita el análisis hidrológico. Por lo tanto, la recuperación de datos faltantes es un proceso esencial en hidrología. Este documento investiga la precisión de las redes neuronales artificiales (ANN) en la estimación de registros de flujo faltantes. El propósito es desarrollar y aplicar modelos de redes neuronales para estimar registros de flujo faltantes en una estación cuando se dispone de datos de estaciones adyacentes. Se utilizan el modelo de redes neuronales de perceptrón multicapa (MLP) y el modelo de sistema de inferencia neurodifuso coactivo (CANFISM) para estimar registros de flujo diarios para la estación Li-Lin utilizando datos de flujo diarios para el período 1997 a 2009 de tres estaciones adyacentes (Nan-Feng, Lao-Nung y San-Lin) en el sur de Taiwán. El rendimiento de MLP es ligeramente mejor

• Materias:Robots Cuidados pediátricos Experimentos numéricos Radares Factores psicológicos
• Subjects:Robot Pediatric care Numerical experiments Radars Psychological factors
• Palabras claves:Datos hidrológicos; Recuperación de datos faltantes; Redes neuronales artificiales; Estimación de registros de caudal; Perceptrón multicapa; Sistema de inferencia neurodifuso coactivo
• Keywords:Hydrological data; Missing data recovery; Artificial neural networks; Estimating flow records; Multilayer perceptron; Coactive neurofuzzy inference system