Anwendung neuronaler Netze zur Prognose des Trinkwasserbedarfes: Fid-Bau Portal

Anwendung neuronaler Netze zur Prognose des Trinkwasserbedarfes

Becher, T. / Hellwig, K.U.

Grundlage einer optimalen Prozeßautomatisierung der Wasserversorgung ist die genaue Prognose des zukünftigen Wasserbedarfs über einen Zeitraum der nächsten 24 Stunden. In einer Übersicht sind die Teilaufgaben dargestellt, die für die Entwicklung optimaler Steuerstrategien zu berücksichtigen sind. Bisher wurden zur Wasserbedarfsprognose (WBP) stochastische Modelle eingesetzt, deren Bildung relativ aufwendig ist. Neuronale Netze (NN) bieten eine geeignete und leistungsfähige Alternative. Bei der Modellierung mit NN müssen keine Annahmen über zugrundeliegende Funktionen getroffen werden und es ist nicht notwendig, daß alle Abhängigkeiten zwischen relevanten Einflußgrößen im voraus bekannt sind. Für die Untersuchungen wurde Datenmaterial (Tageswerte) von 1989 bis 1993 in den neuen Bundesländern verwendet. Die Verbrauchskurve zeigt einen abnehmenden Trend im Wasserverbrauch. Dies wird mit den wirtschaftlichen Veränderungen in Verbindung gebracht. Weiter werden zur Datenanalyse betrachtet: Trendbereinigung, Erfassung der Saisonkomponente und Korrelationsuntersuchungen. Eine Besonderheit der neuronalen Netze ist die Trainierbarkeit, so daß mit relativ geringem Aufwand ein Prognosemodell erstellt werden kann. Die Topologie eines einfachen NN ist abgebildet. Eingesetzt wurden mehrschichtige Netzwerke, in denen die Informationsverarbeitung in mehreren, hintereinander geschalteten Neuronenschichten erfolgt. Die Funktionsweise des verwendeten Backpropagation-Algorithmus wird erläutert. Mittels NN können qualitativ hochwertige Verbrauchsabschätzungen gewonnen werden, die zur Planung der Anlagenfahrweise benutzt werden können. Eine Optimierung der Prognosegüte läßt sich erzielen durch die Gestaltung spezieller NN, die auf bestimmte Wochentage oder Jahreszeiten gerichtet sind. Die Prognosegüte ist unmittelbar von der Datenqualität abhängig.