Evaluation of machine learning techniques for inflow prediction in Lake Como, Italy

Pini, M.; Scalvini, A.; Liaqat, M. U.; Ranzi, R.; Serina, I.; Mehmood, T.

doi:10.1016/j.procs.2020.09.087

IRIS Institutional Research Information System - OPENBS Open Archive UniBS

IRIS è la piattaforma di gestione dei dati della ricerca, sviluppata da CINECA, all'interno della quale è integrato
il nuovo catalogo dedicato alla raccolta e alla disseminazione della produzione scientifica dell'Università degli Studi di
Brescia, denominato OPENBS. E' possibile cercare pubblicazioni in OPENBS:

per parola chiave, utilizzando la barra di ricerca situata in alto
per filtro di ricerca (Autore, Titolo, Riviste), utilizzando il pulsante Sfoglia
specificando criteri di ricerca con possibilità di aggiungere gradualmente più filtri (Autore, Data, Tipologia,..) che
perfezionino i risultati, utilizzando la finestra Ricerca
per elemento di filtro di ricerca (e.g. per un elemento di Tipologia: contributo su rivista) nella sezione Scopri

Accurate streamflow prediction is a fundamental task for integrated water resources management and flood risk mitigation. The purpose of this study is to forecast the water inflow to lake Como, (Italy) using different machine learning algorithms. The forecast is done for different days ranging from one day to three days. These models are evaluated by three statistical measures including Mean Absolute Error, Root Mean Squared Error, and the Nash-Sutcliffe Efficiency Coefficient. The experimental results show that Neural Network performs better for streamflow estimation with MAE and RMSE followed by Support Vector Regression and Random Forest.

Titolo:	Evaluation of machine learning techniques for inflow prediction in Lake Como, Italy
Autori:	Pini M. [Membro del Collaboration Group] Scalvini A. [Membro del Collaboration Group] LIAQAT, MUHAMMAD USMAN RANZI, Roberto SERINA, Ivan MEHMOOD, TAHIR mostra contributor esterni nascondi contributor esterni
Data di pubblicazione:	2020
Rivista:	PROCEDIA COMPUTER SCIENCE
Abstract:	Accurate streamflow prediction is a fundamental task for integrated water resources management and flood risk mitigation. The purpose of this study is to forecast the water inflow to lake Como, (Italy) using different machine learning algorithms. The forecast is done for different days ranging from one day to three days. These models are evaluated by three statistical measures including Mean Absolute Error, Root Mean Squared Error, and the Nash-Sutcliffe Efficiency Coefficient. The experimental results show that Neural Network performs better for streamflow estimation with MAE and RMSE followed by Support Vector Regression and Random Forest.
Handle:	http://hdl.handle.net/11379/535660
Appare nelle tipologie:	4.1 Contributo in Atti di convegno

File in questo prodotto:

Non ci sono file associati a questo prodotto.

Utilizza questo identificativo per citare o creare un link a questo documento:
http://hdl.handle.net/11379/535660

Citazioni

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.