This HTML5 document contains 46 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

PrefixIRI
n19http://linked.opendata.cz/ontology/domain/vavai/riv/typAkce/
dctermshttp://purl.org/dc/terms/
n12http://localhost/temp/predkladatel/
n8http://purl.org/net/nknouf/ns/bibtex#
n16http://linked.opendata.cz/resource/domain/vavai/projekt/
n15http://linked.opendata.cz/resource/domain/vavai/riv/tvurce/
n3http://linked.opendata.cz/ontology/domain/vavai/
n13http://linked.opendata.cz/resource/domain/vavai/vysledek/RIV%2F44555601%3A13520%2F07%3A00003729%21RIV08-MSM-13520___/
n18https://schema.org/
shttp://schema.org/
skoshttp://www.w3.org/2004/02/skos/core#
n4http://linked.opendata.cz/ontology/domain/vavai/riv/
n2http://linked.opendata.cz/resource/domain/vavai/vysledek/
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
n6http://linked.opendata.cz/ontology/domain/vavai/riv/klicoveSlovo/
n14http://linked.opendata.cz/ontology/domain/vavai/riv/duvernostUdaju/
xsdhhttp://www.w3.org/2001/XMLSchema#
n9http://linked.opendata.cz/ontology/domain/vavai/riv/aktivita/
n5http://linked.opendata.cz/ontology/domain/vavai/riv/jazykVysledku/
n21http://linked.opendata.cz/ontology/domain/vavai/riv/druhVysledku/
n17http://linked.opendata.cz/ontology/domain/vavai/riv/obor/
n7http://reference.data.gov.uk/id/gregorian-year/

Statements

Subject Item
n2:RIV%2F44555601%3A13520%2F07%3A00003729%21RIV08-MSM-13520___
rdf:type
n3:Vysledek skos:Concept
dcterms:description
Prokázali jsme, že vícevrstvé perceptronové neuronové sítě mohou být úspěšně použity pro vytvoření malých srážko-odtokových modelů. Tyto modely mohou zpracovávat pouze historické časové řady. Všeobecně jednovrstvé sítě lépe vystihují jednodenní historii, zatímco dvouvrstvé sítě jsou úspěšnější pro dvoudenní historii. Vytvořená trojvrstvá síť lépe předpovídala při jednodenní historii dat. Domníváme se, že je to způsobené tím, že větší neuronové sítě fungují lépe pro větší datové řady. Na druhou stranu, sítě s více parametry mají tendenci k přetrénování a tedy mají menší chybu při tréninku, ale větší chybu při testování. We have shown that multilayer perceptron neural networks can be successfully used for creating small rainfall-runoff models. These models can be built from historical time series data only. In general, one layer networks fit the %22one day history%22 model better, while two layer networks are more succesful for the %22two days' history%22 nodels. The designed three layers network yielded better forecast on the %22one day history%22 data. We believe this is because bigger neural networks function better for large data sets. On the other hand, networks with more parameters tend to be over-trained and thus they achieve a smaller training error, but a larger testing error. We have shown that multilayer perceptron neural networks can be successfully used for creating small rainfall-runoff models. These models can be built from historical time series data only. In general, one layer networks fit the %22one day history%22 model better, while two layer networks are more succesful for the %22two days' history%22 nodels. The designed three layers network yielded better forecast on the %22one day history%22 data. We believe this is because bigger neural networks function better for large data sets. On the other hand, networks with more parameters tend to be over-trained and thus they achieve a smaller training error, but a larger testing error.
dcterms:title
Application of artificial neural networks in modelling the hydrological balance of the Ploučnice River valley, Northern Bohemia (Czech Republic) Application of artificial neural networks in modelling the hydrological balance of the Ploučnice River valley, Northern Bohemia (Czech Republic) Aplikace umělých neuronových sítí na modelování hydrologické bilance v povodí Ploučnice, v severních Čechách (Česká republika)
skos:prefLabel
Application of artificial neural networks in modelling the hydrological balance of the Ploučnice River valley, Northern Bohemia (Czech Republic) Application of artificial neural networks in modelling the hydrological balance of the Ploučnice River valley, Northern Bohemia (Czech Republic) Aplikace umělých neuronových sítí na modelování hydrologické bilance v povodí Ploučnice, v severních Čechách (Česká republika)
skos:notation
RIV/44555601:13520/07:00003729!RIV08-MSM-13520___
n4:strany
90-92
n4:aktivita
n9:S n9:P
n4:aktivity
P(GA526/03/Z042), S
n4:dodaniDat
n7:2008
n4:domaciTvurceVysledku
n15:2093103
n4:druhVysledku
n21:D
n4:duvernostUdaju
n14:S
n4:entitaPredkladatele
n13:predkladatel
n4:idSjednocenehoVysledku
410422
n4:idVysledku
RIV/44555601:13520/07:00003729
n4:jazykVysledku
n5:eng
n4:klicovaSlova
rainfall-runoff models; Ploučnice River valley; artificial neural networks; runoff prediction
n4:klicoveSlovo
n6:artificial%20neural%20networks n6:Plou%C4%8Dnice%20River%20valley n6:rainfall-runoff%20models n6:runoff%20prediction
n4:kontrolniKodProRIV
[B7BF67AB86C3]
n4:mistoKonaniAkce
Doubice
n4:mistoVydani
Praha
n4:nazevZdroje
Sandstone Landscapes
n4:obor
n17:DO
n4:pocetDomacichTvurcuVysledku
1
n4:pocetTvurcuVysledku
2
n4:projekt
n16:GA526%2F03%2FZ042
n4:rokUplatneniVysledku
n7:2007
n4:tvurceVysledku
Neruda, Roman Neruda, Martin
n4:typAkce
n19:WRD
n4:zahajeniAkce
2002-01-01+01:00
s:numberOfPages
3
n8:hasPublisher
Academia
n18:isbn
978-80-200-1577-8
n12:organizacniJednotka
13520