Cel pracy:
W niniejszym artykule przedstawiono przykład opracowania skutecznej prognozy krótkoterminowej w czasie rzeczywistym przepływów wezbraniowych w przekroju wodowskazowym wybranej zlewni różnicowej rzeki Wisły. Prognoza ta oparta jest na przepływach obserwowanych w przekrojach wejściowych i wyjściowym systemu rzecznego z dobowym opóźnieniem bez uwzględnienia jakichkolwiek danych opadowych.

Materiał i metody:
W celu oceny jakości prognozy opracowano cztery typy modeli serii czasowych chwilowego natężenia przepływu dla przekroju wyjściowego Smolice na rzece Wiśle. Pierwszy typ modelu to konwencjonalna liniowa zależność autoregresyjna (AR), drugi-trójwarstwowa sieć neuronowa feedforward (SSN), trzeci -dwuwarstwowa rekurencyjna sieć neuronowa i czwarty- trójwarstwowa rekurencyjna sieć neuronowa (RNN). Wszystkie modele były kalbrowane i testowane w oparciu o dane historyczne w formie hydrogramów natęzenia przepływu. In order to assess the quality of the forecast, four types of time series models were developed for the Smolice outlet gage station. The first type of model is the conventional linear autoregressive relationship (AR), the second one - three layer neural network feedforward (SSN), the third one – two layer recursive neural network and the fourth one- three layer special kind of recurrent neural network (RNN). All models were trained and tested based on historical flood events data.

Wyniki i wnioski:
Spośród wszystkich testowanych typów modeli najdokładniejszą prognozę wartości chwilowej natężenia przepływu w przekroju zamykającym zlewnię uzyskano za pomocą modelu RNN. Ten typ modelu miał również największą zdolność do generalizowania wyników wykazując podobną jakość prognozy w trzech niezależnych testach.