prof. dr hab. Adam Piotrowski

Adiunkt, Zakład Hydrologii i Hydrodynamiki

Instytut Geofizyki Polskiej Akademii Nauk
ul. Księcia Janusza 64, 01-452 Warszawa
tel: +48 22 6915-858, e-mail: adampp@igf.edu.pl

Wykształcenie

2014 – Habilitacja – nadana przez Radę Naukową Instytutu Geofizyki Polskiej Akademii Nauk, „Rozwój Algorytmów Ewolucyjnych i ich wykorzystanie do prognozowania zmiennych hydrologicznych”
2006 – Praca doktorska – Instytut Geofizyki Polskiej Akademii Nauk, „Inteligentna analiza danych hydrologicznych”
2001 – Praca magisterska – Wydział Geografii i Studiów Regionalnych Uniwersytetu Warszawskiego, „Zmiany roczne pola temperatury powietrza w Kanadzie”
2000-2002 – studia równoległe w Instytucie Orientalistycznym Uniwersytetu Warszawskiego – kierunek Mongolistyka (przerwane, 2002)

Zatrudnienie

Od 01.11.2006 – adiunkt w Zakładzie Hydrologii i Hydrodynamiki Instytutu Geofizyki PAN
01.06.2006-31.10.2006 – pracownik techniczny w Zakładzie Zasobów Wodnych Instytutu Geofizyki PAN

Zainteresowania badawcze

Modelowanie relacji opad-odpływ
Prognozowanie temperatury wody w rzekach
Określanie wartości współczynników dyspersji podłużnej w rzekach
Algorytmy Ewolucyjne
Ewolucja Różnicowa
Inteligencja Roju
Optymalizacja Rojem Cząstek
Metaheurystyki
Sztuczne Sieci Neuronowe

Nagrody i wyróżnienia

2017 – II Nagroda za aktywność publikacyjną w IGF PAN w roku 2016
2016 – I Nagroda za aktywność publikacyjną w IGF PAN w roku 2015
2013 – Nagroda III Wydziału Polskiej Akademii Nauk w dziedzinie Nauk o Ziemi im. Piusa Rudzkiego
2010 – Laureat Stypendium Imienia Kacpra Rybickiego – przyznawanego w Instytucie Geofizyki PAN
2009 - Laureat konkursu o przedłużenie "Stypendium krajowego dla młodych naukowców" Start Fundacji na Rzecz Nauki Polskiej
2008 – Laureat konkursu "Stypendia krajowe dla młodych uczonych (program Start)" Fundacji na rzecz Nauki Polskiej
2003 – Dyplom za referat pt. „Porównanie prognoz przepływów rzecznych otrzymanych z modeli przestrzeni fazowej i sieci neuronowych” uznany za najlepszy w konkursie młodych pracowników naukowych na XXIII Ogólnopolskiej Szkole Hydrauliki

Editorial Board

od 2016 – Edytor pomocniczy w czasopiśmie Swarm and Evolutionary Computation
https://www.journals.elsevier.com/swarm-and-evolutionary-computation/

Projekty naukowe

2017-2020 – kierownictwo grantu Narodowego Centrum Nauki nr 2016/21/B/ST10/02516 pt. „Wpływ spodziewanych zmian klimatycznych na reżim termiczny wybranych rzek Polski”; więcej informacji na temat projektu jest dostępnych na stronie
https://ecc-wt.igf.edu.pl/
2013-2015 – kierownictwo grantu Iuventus Plus Nr IP2012040672 pt. „Prognozowanie temperatury wody w rzekach za pomocą modeli empirycznych”
2013-2014 – kierownictwo grantu wewnętrznego IGF PAN dla młodych naukowców Nr 1b/IGFPAN/2012/MŁ pt. „Rozwój metod optymalizacji deterministycznych modeli odpływu ze zlewni pod kątem ich wykorzystania na obszarach o klimacie umiarkowanym”
2011-2012 – współpraca przy realizacji grantu wewnętrznego IGF PAN dla młodych naukowców Nr 500-10-1 pt. „Rozwój grupy ekspertów w zakresie geofizycznej oceny lokalizacji elektrowni jądrowej w Polsce” pod kierownictwem dr Mariusza Majdańskiego
2006-2008 - współpraca przy realizacji grantu Nr 2 P04D 026 29 pt. „Procesy transportowe w korytach rzecznych” pod kierownictwem dr. hab. Pawła M. Rowińskiego
2006-2008 – współpraca przy realizacji grantu Nr 2 P04D 009 29 pt. „Zarządzanie zbiornikiem retencyjnym wpływającym na chronione środowisko przyrodnicze na przykładzie systemu rzecznego górnej Narwi” pod kierownictwem prof. dr. hab. inż. Jarosława J. Napiórkowskiego
2005-2006 – grant promotorski Nr 2 P04D 008 29, pt. „Inteligentna analiza danych hydrologicznych”

Publikacje w czasopismach z listy Web of Sciences

Piotrowski AP, Napiorkowski JJ, Piotrowska AE, 2024. To what extent evolutionary algorithms can benefit from a longer search?, Information Sciences, 654, 119766, https://doi.org/10.1016/j.ins.2023.119766
Piotrowski AP, Napiorkowski JJ, Piotrowska AE, 2023. Choice of benchmark optimization problems does matter, Swarm and Evolutionary Computation, 83, 101378, https://doi.org/10.1016/j.swevo.2023.101378
Napiorkowski JJ, Piotrowski AP, Karamuz E, Senbeta TB, 2023. Calibration of conceptual rainfall‑runoff models by selected differential evolution and particle swarm optimization variants, Acta Geophysica, 71, 2325–2338, https://doi.org/10.1007/s11600-022-00988-0
Zhu S, Ptak M, Sojka M, Piotrowski AP, Luo W, 2023. A simple approach to estimate lake surface water temperatures in Polish lowland lakes, Journal of Hydrology: Regional Studies, 48, 101468, https://doi.org/10.1016/j.ejrh.2023.101468
Piotrowski AP, Napiorkowski JJ, Piotrowska AE, 2023. Particle Swarm Optimization or Differential Evolution — A comparison, Engineering Applications of Artificial Intelligence, 121, 106008, doi:10.1016/j.engappai.2023.106008
Piotrowski AP, Napiorkowski JJ, Piotrowska AE, 2023. How Much Do Swarm Intelligence and Evolutionary Algorithms Improve Over a Classical Heuristic From 1960? IEEE Access, 11, 19775--19793, doi:10.1109/access.2023.3247954
Piotrowski AP, Napiorkowski JJ, Zhu S, 2023. Novel air2water model variant for lake surface temperature modelling with detailed analysis of calibration methods, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,16, 553-569, doi:10.1109/JSTARS.2022.3226516, 2021 JIF=4.715.
Napiorkowski JJ, Piotrowski AP, Karamuz E, Senbeta TB, 2022. Calibration of conceptual rainfall‑runoff models by selected differential evolution and particle swarm optimization variants, Acta Geophysica, doi:10.1007/s11600-022-00988-0
Piotrowski AP, Zhu S, Napiorkowski JJ, 2022. Air2water model with nine parameters for lake surface temperature assessment. Limnologica, 94, 125967, doi:10.1016/j.limno.2022.125967, 2020 JIF=2.093
Piotrowski AP, Piotrowska AE, 2022. Differential evolution and particle swarm optimization against COVID-19, Artificial Intelligence Review, doi:10.1007/s10462-021-10052-w.
Piotrowski AP, Osuch M, Napiorkowski JJ, 2021. Influence of the choice of stream temperature model on the projections of water temperature in rivers Jornal of Hydrology, 601, 126629, doi:10.1016/j.jhydrol.2021.126629, 2020 JIF=5.722.
Piotrowski AP, Napiorkowski JJ, Piotrowska AE, 2021. Input dropout in product unit neural networks for stream water temperature modelling. Jornal of Hydrology, 598, 126253, doi:10.1016/j.jhydrol.2021.126253, 2020 JIF=5.722.
Zhu S, Piotrowski AP, Ptak M, Napiorkowski JJ, Dai J, Ji Q, 2021. How does the calibration method impact the performance of the air2water model for the forecasting of lake surface water temperatures? Jornal of Hydrology, 597, 126219, doi:10.1016/j.jhydrol.2021.126219, 2020 JIF=5.722.
Piotrowski AP, Napiorkowski JJ, Piotrowska AE, 2020. Population size in Particle Swarm Optimization. Swarm and Evolutionary Computation, 58, 100718, doi:10.1016/j.swevo.2020.100718, IF=6.330, 5YIF=6.242
Zhu SL, Piotrowski AP, 2020. River/stream water temperature forecasting using artificial intelligence models: a systematic review. Acta Geophysica, 68, 5, 1433-1442
Piotrowski AP, Napiorkowski JJ, Piotrowska AE, 2020. Impact of deep learning-based dropout on shallow neural networks applied to stream temperature modelling. Earth-Science Reviews, 201, 103076, doi:10.1016/j.earscirev.2019.103076, IF=9.530, 5YIF=10.640
Piotrowski AP, Osuch M, Napiorkowski JJ, 2019. Joint Optimization of Conceptual Rainfall-Runoff Model Parameters and Weights Attributed to Meteorological Stations. Water Resources Management, 33, 4509–4524, doi:10.1007/s11269-019-02368-8, IF=2.987, 5YIF=3.256.
Piotrowski AP, Napiorkowski JJ, 2019. Simple modifications of the nonlinear regression stream temperature model for daily data. Journal of Hydrology, 572, 308-328, doi:10.1016/j.jhydrol.2019.02.035, IF=4.405, 5YIF=4.938.
Piotrowski AP, Napiorkowski JJ, Osuch M, 2019. Relationship Between Calibration Time and Final Performance of Conceptual Rainfall-Runoff Models. Water Resources Management, 33, 19-37, doi:10.1007/s11269-018-2085-3, IF=2.987. 5YIF=3.256.
Napiorkowski JJ, Piotrowski AP, 2018. Hydrodynamiczne metody wyprowadzenia parametrów modelu Muskingum. (Methods of hydrodynamic derivation of parameters of the Muskingum model), III Krajowy Kongres Hydrologiczny, Monografie Komitetu Gospodarki Wodnej, 41, 75–89, ISSN 0867-7816.
Piotrowski AP, Napiorkowski JJ, 2018. Performance of the air2stream model that relates air and stream water temperatures depends on the calibration method. Journal of Hydrology, 561, 395–412, doi:10.1016/j.jhydrol.2018.04.016, IF=3.727, 5YIF=4.314.
Piotrowski, A.P. (2018) Across Neighborhood Search algorithm: A comprehensive analysis. Information Sciences, 435, 334-381, https://doi.org/10.1016/j.ins.2018.01.004
Piotrowski, A.P., Napiorkowski, J.J. (2018) Some metaheuristics should be simplified. Information Sciences, 427, 32-62, https://doi.org/10.1016/j.ins.2017.10.039
Piotrowski, A.P., Napiorkowski M.J., Napiorkowski J.J., Rowinski, P.M.(2017) Swarm Intelligence and Evolutionary Algorithms: Performance versus speed. Information Science 384, 34-85, http://dx.doi.org/10.1016/j.ins.2016.12.028
Piotrowski, A.P. (2017) Review of Differential Evolution population size. Swarm and Evolutionary Computation 32, 1-24, http://dx.doi.org/10.1016/j.swevo.2016.05.003
Piotrowski, A.P., Napiorkowski, M.J., Napiorkowski, J.J., Osuch, M., Kundzewicz, Z.W. (2017) Are modern metaheuristics successful in calibrating simple conceptual rainfall-runoff models? Hydrological Sciences Journal 62(4), 606-625, http://dx.doi.org/10.1080/02626667.2016.1234712
Piotrowski, A.P., Napiorkowski, M.J. (2016) May the same numerical optimizer be used when searching either for the best or for the worst solution to a real-world problem? Information Sciences 373, 124-148, http://dx.doi.org/10.1016/j.ins.2016.08.057
Piotrowski, A.P., Napiorkowski, J.J. (2016) Searching for structural bias in particle swarm optimization and differential evolution algorithms. Swarm Intelligence 10(4), 307-353, http://dx.doi.org/10.1007/s11721-016-0129-y
Piotrowski, A.P., Napiorkowski, J.J., Osuch, M., Napiorkowski, M.J.(2016) On the importance of training methods and ensemble aggregation for runoff prediction by means of artificial neural networks.Hydrological Sciences Journal 61(10), 1903-1925, http://dx.doi.org/10.1080/02626667.2015.1085650
Piotrowski, A.P., Napiorkowski, M.J., Kalinowska, M., Napiorkowski, J.J., Osuch, M. (2016) Are Evolutionary Algorithms effective in calibrating different Artificial Neural Network types for streamwater temperature prediction? Water Resources Management 30, 1217-1237, http://dx.doi.org/10.1007/s11269-015-1222-5
Piotrowski, A.P., Napiorkowski, M.J., Napiorkowski, J.J., Osuch, M.(2015) Comparing various artificial neural network types for water temperature prediction in rivers. Journal of Hydrology 529, 302-315, http://dx.doi.org/10.1016/j.jhydrol.2015.07.044
Piotrowski, A.P. (2015) Regarding the rankings of optimization heuristics based on artificially-constructed benchmark functions. Information Sciences 297, 191-201, http://dx.doi.org/10.1016/j.ins.2014.11.023
Piotrowski, A.P. (2014) Differential Evolution algorithms applied to Neural Network training suffer from stagnation. Applied Soft Computing 21, 382-406, http://dx.doi.org/10.1016/j.asoc.2014.03.039
Piotrowski, A.P., Napiorkowski, J.J., Rowinski, P.M. (2014) How novel is the ‘‘novel’’ black hole optimization approach? Information Sciences 267, 191-200, http://dx.doi.org/10.1016/j.ins.2014.01.026
Piotrowski, A.P., Osuch, M., Napiorkowski, M.J., Rowiński, P.M., Napiorkowski, J.J. (2014) Comparing large number of metaheuristics for artificial neural networks training to predict water temperature in a natural river. Computers & Geoscences 64, 136-151, http://dx.doi.org/10.1016/j.cageo.2013.12.013
Piotrowski, A.P. (2013) Adaptive Memetic Differential Evolution with Global and Local neighborhood-based mutation operators. Information Sciences 241, 164-194, http://dx.doi.org/10.1016/j.ins.2013.03.060
Piotrowski, A.P., Napiorkowski, J.J. (2013) A comparison of methods to avoid overfitting in neural networks training in the case of catchment runoff modeling. Journal of Hydrology 476, 97-111, http://dx.doi.org/10.1016/j.jhydrol.2012.10.019
Piotrowski, A.P., Napiorkowski, J.J. (2012) Product-Units neural networks for catchment runoff forecasting. Advances in Water Resources 49, 97-113, http://dx.doi.org/10.1016/j.advwatres.2012.05.016
Piotrowski, A.P., Napiorkowski, J.J., Kiczko, A. (2012) Corrigendum to:‘‘Differential evolution algorithm with separated groups for multi-dimensional optimization problems’’ [Eur. J. Oper. Res. 216 (2012) 33–46]. European Journal of Operational Research 219(2), 488, http://dx.doi.org/10.1016/j.ejor.2011.12.043
Piotrowski, A.P., Napiorkowski, J.J., Kiczko, A. (2012) Differential Evolution algorithm with separated groups for multi-dimensional optimization problems. European Journal of Operational Research 216, 33-46, http://dx.doi.org/10.1016/j.ejor.2011.07.038
Piotrowski, A.P., Rowinski, P.M., Napiorkowski, J.J. (2012) Comparison of evolutionary computation techniques for noise injected neural network training to estimate longitudinal dispersion coefficients in rivers. Expert Systems with Applications 39, 1354-1361, http://dx.doi.org/10.1016/j.eswa.2011.08.016
Piotrowski, A.P., Napiorkowski, J.J. (2011) Optimizing neural networks for river flow forecasting – Evolutionary Computation methods versus Levenberg –Marquardt approach. Journal of Hydrology 407, 12-27, http://dx.doi.org/10.1016/j.jhydrol.2011.06.019
Piotrowski, A.P., Napiorkowski, J.J., Rowinski, P.M., Wallis, S.G.(2011) Evaluation of temporal concentration profiles for ungauged rivers following pollution incidents. Hydrological Sciences Journal 56(5), 883-894, http://dx.doi.org/10.1080/02626667.2011.583398
Piotrowski, A.P., Napiorkowski, J.J. (2010) Grouping differential evolution algorithm for multi-dimensional optimization problems. Control and Cybernetics 39(2), 527-550, http://control.ibspan.waw.pl:3000/contents/show/19?year=2010
Rowiński, P.M. and Piotrowski, A. (2008) Estimation of parameters of transient storage model by means of multi-layer perceptron neural networks, Hydrological Sciences Journal 53(1), 165-178, http://www.tandfonline.com/doi/pdf/10.1623/hysj.53.1.165
Piotrowski, A., Wallis, S.G., Napiórkowski, J.J. and Rowiński, P.M.(2007) Evaluation of 1-D tracer concentration profile in a small river by means of multi-layer perceptron neural networks, Hydrology and Earth System Sciences 11, 1883-1896, www.hydrol-earth-syst-sci.net/11/1883/2007/
Piotrowski, A., Napiórkowski, J.J., Rowiński, P.M. (2006) Flash-flood forecasting by means of neural networks and nearest neighbour approach – a comparative study, Nonlinear Processes in Geophysics 13, 443-448, www.nonlin-processes-geophys.net/13/443/2006/
Rowiński, P.M., Piotrowski, A., Napiórkowski, J.J. (2005) Are artificial neural networks techniques relevant for the estimates of longitudinal dispersion coefficient in rivers?, Hydrological Sciences Journal 50(1), 175-187, http://www.tandfonline.com/doi/pdf/10.1623/hysj.50.1.175.56339

Inne publikacje

Napiorkowski M., Piotrowski, A.P., Napiorkowski J.J. (2014) Stream temperature forecasting by means of ensemble of neural networks: Importance of input variables and ensemble size. Proceedings of the River Flow 2014, 03-05 September, Lausanne, Switzerland.
Napiorkowski J.J., Piotrowski A., Rowinski P.M., Wallis S.G. (2012) Product Unit neural networks for estimations of longitudinal dispersion coefficients in rivers. 2nd IAHR Europe Congress, 27-29 June, Germany, Munich.
Piotrowski, A.P. (2011) Pure and Applied Geophysics 168, 1899-1900; DOI 10.1007/s00024-010-0252-4: Book Review: Numerical Modeling in Open Channel Hydraulics, by R. Szymkiewicz. Water Science and Technology Library, Vol. 83, Springer, 2010, ISBN: 978-90-481-3673-5 (hardback); e-ISBN: 978-90-481-3674-2;
Piotrowski, A.P., Rowiński, P.M. I Napiórkowski, J.J. (2010) Uncertainty study of data-based models of pollutant transport in rivers. Proceedings of River Flow 2010 Conference, Braunschweig, Germany, 8-10 September 2010
Piotrowski, A.P., Rowinski, P.M. i Napiorkowski, J.J. (2009). Estimation of parameters of models of pollutant transport in rivers depending on data availability. 33rd IAHR Congress: Water Engineering for a Sustainable Environment, Vancouver, 1179-1186.
Napiórkowski, J.J., Piotrowski, A., Rowiński, P.M. and Wallis, S.G. (2008) Prediction of the fate of pollutants in rivers by means of nonlinear Volterra series, River Flow 2008: Proceedings of the International Conference on Fluvial Hydraulics, Çeşme-İzmir, Turkey, 3-5 September 2008, 2469-2476.
Kiczko, A., Piotrowski, A., Napiórkowski, J.J. and Romanowicz, R.J. (2008) Combined reservoir management and flow routing modelling: Upper Narew case study, River Flow 2008: Proceedings of the International Conference on Fluvial Hydraulics, Çeşme-İzmir, Turkey, 3-5 September 2008, 1921-1928.
Rowinski, P.M., Guymer, I., Bielonko, A., Napiorkowski, J.J., Pearson, J., Piotrowski, A. (2007) Large scale tracer study of miting in a natura lowland river w: Proceedings of 32nd IAHR Congress, Venice.
Wallis, S.G., Piotrowski, A., Rowiński, P.M., Napiorkowski, J.J. (2007) Prediction of dispersion coefficients In a small stream Rusing artificial neural networks w: Proceedings of 32nd IAHR Congress, Venice.
Piotrowski, A., Rowiński, P.M., Napiórkowski, J.J. (2006) Assessment of longitudinal dispersion coefficient by means of different neural networks w: Proceedings of the 7th International Conference on Hydroinformatics 2006, Nice.
Napiórkowski, J.J., Piotrowski, A. (2005) Artificial neural networks as an alternative to the Volterra series in rainfall-runoff modelling, Acta Geophysica Polonica, 53(4), 459-472.
Piotrowski, A., Napiórkowski, J.J. (2005) Dispersion coefficient assessment by means of different neural networks w: Materiały VIII Krajowej Konferencji Algorytmy Ewolucyjne I Optymalizacja Globalna, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa.
Piotrowski, A., Rowiński, P.M., Napiórkowski, J.J. (2004) River flow forecast by selected black box models w: River Flow 2004, wydane przez M. Greco, A. Carravetta i R. D. Morte, Leiden.
Piotrowski, A. (2003) Porównanie prognoz przepływów rzecznych otrzymanych z modeli przestrzeni fazowej i sieci neuronowych w: Współczesne Problemy Hydrauliki Wód Śródlądowych, Materiały XXIII Ogólnopolskiej Szkoły Hydrauliki, Gdańsk.