Resumen

La predicción de los recursos hídricos para los años futuros recibe mucha atención por parte de los planificadores de recursos hídricos y las autoridades pertinentes. Sin embargo, los modelos computacionales tradicionales como los modelos hidrológicos requieren muchos datos sobre la cuenca en sí misma. A veces, estos datos importantes sobre las cuencas no están disponibles debido a diversas razones. Por lo tanto, las redes neuronales artificiales (ANNs) son herramientas útiles de computación suave en la predicción de escenarios del mundo real, como la previsión de la disponibilidad futura de agua de una cuenca, en ausencia de datos intensivos, que son necesarios para las prácticas de modelado en el contexto de la hidrología. Estas ANNs son capaces de establecer relaciones con problemas del mundo real no lineales utilizando datos disponibles y luego utilizar esa relación construida para prever las necesidades futuras. A pesar de que Sri Lanka tiene un uso extensivo de los recursos hídricos para muchas actividades, incluido el suministro de agua potable, la irrigación, el desarrollo

• Materias:Teoremas Semigrupos Captura de vectores Vértice reflexivo Funciones trigonométricas
• Subjects:Theorems Semigroups Vector capture Reflexive vertex Trigonometric functions
• Palabras claves:Predicción; Recursos hídricos; Redes neuronales artificiales; Pronóstico; Cuenca; Sri Lanka
• Keywords:Prediction; Water resources; Artificial neural networks; Forecasting; Catchment; Sri Lanka