A Magyar Hidrológiai Társaság XXXIX. Országos Vándorgyűlése (Nyíregyháza, 2022. július 6-8.)
5. szekció - Hidrológia, hidrogeológia, hidraulika, numerikus modellezés - 16. Dr. Kozák Péter - dr. Vizi Zsolt - Fehérváry István - dr. Benyhe Balázs - Fiala Károly - Lázár Miklós (NKE - SZTE - ATIVIZIG): Mélytanuló algoritmusok alkalmazása a vízgazdálkodásban
11. ábra. A modell előrejelzése április 23-án az elkövetkező 5 napra a szegedi vízmércére Forrás Fehérváry 12022. A bemutatott példákon kívül több futtást végeztünk több vízmércére (Mindszent, Algyő, Csongrád) és a tapasztalatok alapján a napi gyakorlatban a többi előrejlezési módszert kiegészítve egy jól használható előrejelzés modellnek ítéltük meg a neurális hálót, hiszen pontossága ±10 cm-en belül volt a vizsgált időszak nagy részében. A jövőben az adatok bővítése és a neurális háló struktúrájának tökéletesítése, illetve modernebb architektúrák alkalmazása [4] a pontosság növekedéshez vezethet, ami igazolhatja a neurális hálok létjogosultságát a hidrológiai modellezésben. 5. Következtetések, javaslatok Jelen dolgozat keretein belül -a teljesség igénye nélkül- kerültek bemutatásra azon jelenleg is alkalmazás alatt álló vizsgálati eljárások, amelyekkel a mélytanuló algoritmusok vízgazdálkodási alkalmazása szemléltethető. A vízgazdálkodási folyamtok monitoringjának jelenlegi kiépítési szintje alapján a jelenlegi ismereteinket messzemenőkig meghaladó új ismeretek szerezhetők a rendelkezésünkre álló nagytömegű adatok újszerű feldolgozásával. Ezen korábbiakban nem alkalmazott eljárásokkal -megfelelő előkészítettségű adatok rendelkezésre állása esetén- a vízgazdálkodás számos szakterületét érintően alapozhatók meg hatékony döntések. A hangsúly ezen eljárások esetében a rendelkezésre álló nagytömegű adat teljes körű -nem pedig ritkított- felhasználásán van. Az adatokban meglévő -és eddigiekben nem vizsgált- mintázatok és összefüggések felhasználásával növelhető a vízgazdálkodási döntések hatékonysága. A mélytanuló algoritmusok használata nem igényel speciális számítási erőforrásokat, ezáltál széleskörben alkalmazhatók a valamennyi vízgazdálkodási döntési szinten kapcsolatosan. A rekurrens típusú neurális hálózatok erőssége, hogy kifejezetten az előrejelzési feladatok számára kerültek kifejlesztésre, illetve ezen a területen több évtizedes alkalmazási gyakorlattal, és külföldi szakirodalmi háttérrel rendelkeznek.