Prediction of river salinity with artificial neural networks
Artykuł w czasopiśmie
MNiSW
40
Lista 2023
| Status: | |
| Autorzy: | Kulisz Monika, Kujawska Justyna, Aubakirova Zulfiya, Wojtaś Edyta |
| Dyscypliny: | |
| Aby zobaczyć szczegóły należy się zalogować. | |
| Rok wydania: | 2023 |
| Wersja dokumentu: | Elektroniczna |
| Język: | angielski |
| Wolumen/Tom: | 2676 |
| Numer artykułu: | 012004 |
| Strony: | 1 - 10 |
| Scopus® Cytowania: | 0 |
| Bazy: | Scopus |
| Efekt badań statutowych | NIE |
| Materiał konferencyjny: | TAK |
| Nazwa konferencji: | VIII International Conference of Computational Methods in Engineering Science |
| Skrócona nazwa konferencji: | VIII CMES 2023 |
| URL serii konferencji: | LINK |
| Termin konferencji: | 23 listopada 2023 do 25 listopada 2023 |
| Miasto konferencji: | Puławy |
| Państwo konferencji: | POLSKA |
| Publikacja OA: | TAK |
| Licencja: | |
| Sposób udostępnienia: | Witryna wydawcy |
| Wersja tekstu: | Ostateczna wersja opublikowana |
| Czas opublikowania: | W momencie opublikowania |
| Data opublikowania w OA: | 27 grudnia 2023 |
| Abstrakty: | angielski |
| This paper presents the development and evaluation of an Artificial Neural Network (ANN) based on the model for predicting the salinity of the Warta River. The study focused on the prediction of river water salinity, expressed in terms of electrical conductivity (EC), using the proposed ANN structure of 7-10-1. The network showed a satisfactory ability to capture the interrelationships between the input data: sulphates, chlorides, calcium, magnesium, total hardness, pH, and total dissolved solids. The correlation coefficient (R) values for the training, validation and test sets were 0.99444, 0.96988 and 0.97174, respectively. From the results, it can be concluded that the developed model is suitable for predicting the EC of the river. |
