The project is focus on the methods for evaluation the available historical data of water quality and the investigation of the impact for selected physical parameters of water quality and its development in a water distribution system. It will be solved by creating a model using data-driven methods to identify and predict the evolution of selected water quality parameters. The wide open used data-driven methods in water management are Multiple Linear Regression (MLR) based on the least square approach and Multi Layer Perceptron (MLP), which is an Artificial Neural Network (ANN) architecture capable of predict any continues variable. The performance of MLP and MLR are evaluated using 4-years old database set of inputs collected in the city of Našiměřice Czech Republic. The first part of the paper shows a summary of the state of the knowledge in modeling using ANN and the second part describes the collection of data and construction of the models. The main expected contributions of the project are: (1) prediction of the given water quality parameter or coefficient using both stochastic methods MLR and MLP through the evaluation of the historical data of some physic-chemical parameters measured and added at several point of the water distribution system (WDS). (2) Combination of Data-driven model and hydraulic model analysis, to predict water quality parameters within a WDS under consideration. The way these models are going to be mixed is creating a stochastic model to calculate a water quality parameter in a WDS. Data-driven method will be designed to predict the evolution of some water quality parameters using historical data. This approach will be tested on a concrete site using a hydraulic model built on the software EPANET 2.0.

Description in Czech
Tento projekt se zaměřuje na použití metod vyhodnocování dostupných historických údajů o kvalitě vody a zkoumání vlivu vybraných fyzikálních parametrů vodárenského distribučního systému na kvalitu vody a její vývoj. Bude řešena tvorba modelu s využitím "metody data-driven" pro stanovení a predikci vývoje vybraných parametrů kvality vody. Nejpoužívanějšími data-driven metodami ve vodním hospodářství jsou: lineární regrese (MLR) na základě využití metody nejmenších čtverců a Multi Layer Perceptron (MLP), což je architektura neuronové sítě schopna předvídat spojité proměnné. Obě tyto metody budou testovány pro analýzu a predikci vývoje vybraných parametrů kvality pitné vody. Hlavními předpokládanými přínosy projektu jsou: (1) Předpověď daného parametru kvality vody při použití obou stochastických metod MLR a MLP s využitím hodnocení historických dat vybraných fyzikálně-chemických parametrů ve vybraných místech vodárenského distribučního systému (WDS). (2) Kombinace Data-driven modelu a modelu hydraulické analýzy, pro získání skutečných parametrů kvality vody v posuzovaném WDS. Způsob, jakým se tyto modely budou kombinovat, vytvoří stochastický model pro výpočet vybraných parametrů kvality vody ve WDS. Použité "data-driven metody" budou navrženy tak, aby předpovídaly vývoj některých parametrů kvality vody s využitím historických dat. Tento přístup bude testován na konkrétní lokalitě s pomocí hydraulického modelu s využitím softwarovu EPANET 2.0.

Keywords
Artificial Neural Networks; Free Chlorine; Water Distribution System

Key words in Czech
Neuronové sítě; Volný chlor; Vodárenský distribuční systém