A hybrid model of artificial intelligence integrated into GIS for predicting accidents in water supply networks

Скорочена інформація про документ
dc.contributor.authorZaychenko, Yu.
dc.contributor.authorStarovoit, T.
dc.date.accessioned2024-12-06T09:50:55Z
dc.date.available2024-12-06T09:50:55Z
dc.date.issued2024
dc.description.abstractThe search for an effective and reliable model for predicting accidents on water supply networks by determining their exact locations has always been important for effectively managing water distribution systems. This study, based on the adaptive neuro-fuzzy logical inference system (ANFIS) model, was developed to predict accidents in the city of Kyiv (Ukraine) water supply network. The ANFIS model was combined with genetic algorithms and swarm optimization (ACO) methods and integrated into a GIS to visualize results and determine locations. Forecasts were evaluated according to the following criteria: mean absolute error (MAE), root mean square error (RMSE), and coefficient of determination (R2 ). Depending on the amount and type of input data, ANFIS optimization with genetic algorithms and swarm optimization (ACO) can, on average, increase the accuracy of ANFIS predictions by 10.1% to 11%. The obtained results indicate that the developed hybrid model may be successfully applied to predict accidents on water supply networks.
dc.description.abstractotherПошук ефективної та надійної моделі прогнозування аварій на мережах водопостачання з визначенням їх точних розташувань завжди був важливим для ефективного керування системами розподілу води. Дослідження, засноване на моделі адаптивної нейронечіткої системи логічного висновку (ANFIS), розроблено для прогнозування аварій на мережі водопостачання міста Києва (Україна). Модель ANFIS поєднано з генетичними алгоритмами та методами ройової оптимізації (ACO) та інтегрували в ГІС для візуалізації результатів і визначення їх розташування. Прогнози оцінювали за такими критеріями: середньої абсолютної похибки (MAE), середньої квадратичної похибки (RMSE) та коефіцієнтом детермінації (R2 ). Залежно від кількості та вигляду вхідних даних оптимізація ANFIS генетичними алгоритмами та алгоритмом ройової оптимізації (ACO) може в середньому збільшувати точність передбачення ANFIS на 10,1%, 11%. Отримані результати свідчать про те, що розроблена гібридна модель може бути успішно застосована для прогнозування аварій на мережах водопостачання.
dc.format.pagerangeС. 52-67
dc.identifier.citationZaychenko, Yu. A hybrid model of artificial intelligence integrated into GIS for predicting accidents in water supply networks / Zaychenko Yu., Starovoit T. // Системні дослідження та інформаційні технології : міжнародний науково-технічний журнал. – 2024. – № 1. – С. 52-67. – Бібліогр.: 25 назв.
dc.identifier.doihttps://doi.org/10.20535/SRIT.2308-8893.2024.2.04
dc.identifier.orcid0000-0001-9662-3269
dc.identifier.orcid0009-0008-6335-7679
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/71043
dc.language.isoen
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.sourceСистемні дослідження та інформаційні технології : міжнародний науково-технічний журнал, № 1
dc.subjectANFIS
dc.subjectACO
dc.subjectGA
dc.subjectspatial objects
dc.subjectgeodatabase
dc.subjectmetaheuristics
dc.subjectspatiotemporal analysis
dc.subjectwater loss
dc.subjectгеоінформаційні системи
dc.subjectпросторові об’єкти
dc.subjectпросторово-часовий аналіз
dc.subjectвтрати води
dc.subject.udc004.02, 004.67, 004.891.3
dc.titleA hybrid model of artificial intelligence integrated into GIS for predicting accidents in water supply networks
dc.title.alternativeГібридна модель штучного інтелекту інтегрована в ГІС для прогнозування аварій на мережах водопостачання
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
52-67.pdf
Розмір:
620.45 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Системні дослідження та інформаційні технології: міжнародний науково-технічний журнал, № 2