Adaptive neural-based fuzzy inference system (ANFIS) approach for modelling hydrological time series

Abstract

The main aim of this study is to develop a flow prediction method, based on the adaptive neural-based fuzzy inference system (ANFIS) coupled with stochastic hydrological models. An ANFIS methodology is applied to river flow prediction in Dim Stream in the southern part of Turkey. Application is given for hydrological time series modelling. Synthetic series, generated through autoregressinve moving-average (ARMA) models, are then used for training data sets of the ANFIS. It is seen that the extension of input and output data sets in the training stage improves the accuracy of forecasting by using ANFIS.

Résumé

Le but principal de cette étude est de développer une méthode de prévision de l'écoulement, grâce au système adaptatif d'inférence floue à base neuronale (ANFIS) couplé avec des modèles hydrologiques stochastiques. Une méthodologie ANFIS est appliquée à la prévision de l'écoulement de la Rivière Dim en Turquie méridionale. L'application est conduite pour la modélisation de séries temporelles hydrologiques. Des séries synthétiques, générées par des modèles ARMA, sont alors utilisées comme jeux de données d'apprentissage de l'ANFIS. Il apparaît que l'extension des jeux de données d'entrée et de sortie lors de l'étape d'apprentissage améliore la précision de la prévision par l'ANFIS.

Key words:

• ANFIS modelling technique
• ARMA models
• flow prediction
• fuzzy systems
• neural networks

Mots clefs:

• technique de modélisation ANFIS
• modèles ARMA
• prévision d'écoulement
• systèmes flous
• réseaux de neurones