Weekly urban water demand forecasting using a hybrid wavelet–bootstrap–artificial neural network approach

Abstract

This study developed a hybrid wavelet–bootstrap–artificial neural network (WBANN) model for weekly (one week) urban water demand forecasting in situations with limited data availability. The proposed WBANN method is aimed at improving the accuracy and reliability of water demand forecasting. Daily maximum temperature, total precipitation and water demand data for almost three years were used in this study. It was concluded that the hybrid WBANN model was more accurate compared to the ANN, BANN and WANN methods, and can be applied successfully for operational water demand forecasting. The WBANN model simulated peak water demand very effectively. The better performance of the WBANN model indicated that wavelet analysis significantly improved the model’s performance, whereas the bootstrap technique improved the reliability of forecasts by producing ensemble forecasts. The WBANN model was also found to be effective in assessing the uncertainty associated with water demand forecasts in terms of confidence bands; this can be helpful in operational water demand forecasting.

Authors and Affiliations

KAZ ADAMOWSKI, JAN ADAMOWSKI, OUSMANE SEIDOU, BOGDAN OZGA-ZIELI Ń SKI

Keywords

Related Articles

Kryteria doboru materiałów do wykonania przepuszczalnych barier reaktywnych (PBR) w rejonie składowisk odpadów

 W artykule przedstawiono kryteria, które są konieczne do wybrania, zależnie od lokalnych warunków środowiskowych i geologicznych, odpowiedniego materiału do wykonania PBR w rejonie składowisk odpadów. Kryteria dobo...

Określenie spójności gruntu stabilizowanego wapnem hydratyzowanym

Stabilizacja chemiczna gruntów spoistych wpływa na właściwości mechaniczne w tym na spójność gruntu. Konstrukcje drogowe złożone z wielu warstw materiałów posiadają różne właściwości mechaniczne przez co istnieje potrzeb...

Wyznaczanie modułu sprężystości MR w warunkach cyklicznego obciążania z badań powtarzalnego CBR dla glin stabilizowanych wapnem

Głównym celem niniejszej pracy jest wykazanie, że badanie CBR w warunkach powtarzalnego obciążania jest wiarygodnym testem do wyznaczania parametrów sprężystości podłoża gruntowego. Parametry te są następnie wykorzystywa...

Zmiany okresowe dynamiki osadów dennych w latach 1998–2006 rzeki Nairobi i jej dopływów

Miasto Nairobi jest centrum produkcji przemysłowej i centrum ekonomicznym Kenii oraz wschodniego regionu Afryki. Miasto Nairobi i jego otoczenie jest odwadniane przez trzy następujące strumienie: Nairobi, Mathare i Ngong...

Wyznaczanie współczynnika konsolidacji w słabonośnych gruntach organicznych z wykorzystaniem zestawu ACONS

W celu wyznaczenia współczynnika konsolidacji w słabonośnych gruntach organicznych, w laboratoryjnych badaniach edometrycznych, zwykle stosowane są dwie podstawowe metody, Casagrande’a i Taylor’a. W artykule przedstawion...

Download PDF file
  • EP ID EP100044
  • DOI -
  • Views 142
  • Downloads 0

How To Cite

KAZ ADAMOWSKI, JAN ADAMOWSKI, OUSMANE SEIDOU, BOGDAN OZGA-ZIELI Ń SKI (2014). Weekly urban water demand forecasting using a hybrid wavelet–bootstrap–artificial neural network approach. Annals of Warsaw University of Life Sciences – SGGW. Land Reclamation, 46(3), 197-204. https://europub.co.uk/articles/-A-100044