Zusammenfassung
Ziel dieses Beitrags ist die Prognose der Füllstände in Regenüberlaufbecken aufgrund von Regeneintrag und Bodenbeschaffenheit. Wir vergleichen verschiedene Prognoseverfahren und nutzen die Sequentielle Parameteroptimierung (SPO), um für jedes Verfahren in vergleichbarer Weise bestmögliche Parameter zu finden. Es zeigt sich, dass diverse Standard- und CI-basierte Verfahren der Modellierung mit intermittierenden Regenmessdaten als Input nicht gut zurecht kommen. Problemspezifische Modellierungen, die kausale Effekte erster Ordnung berücksichtigen, erzielen wesentlich kleinere Prognosefehler. Wichtige Resultate dieser Arbeit sind: (i) SPO lässt sich auf verschiedene Modellierungsverfahren gleichermaßen anwenden und automatisiert das manuell zeitaufwendige Parameter-Tuning, (ii) das beste manuell erzielte Ergebnis wurde mit SPO nochmals um ca. 30% verbessert und (iii) SPO analysiert in konsistenter Weise den Einfluss von Parametern und erlaubt so oftmals eine zielgerichtete Vereinfachung oder Verbesserung des Modellentwurfs.
Abstract
The aim of this paper is the prediction of fill levels in stormwater tanks based on rain measurements and soil conditions. We compare different prediction methods and use sequential parameter optimization (SPO) to find in a comparable manner the best parameters for each method. Several standard and CI-based modeling methods show larger prediction errors when trained on rain data with strong intermittent and bursting behaviour. Models developed specific to the problem show a smaller prediction error. Main results of our work are: (i) SPO is applicable to diverse forecasting methods and automates the time-consuming parameter tuning, (ii) the best manual result achieved before was improved with SPO by 30% and (iii) SPO analyses in a consistent manner the parameter influence and allows a purposeful simplification and/or refinement of the model design.
© by Oldenbourg Wissenschaftsverlag, München, Germany