Wyniki wyszukiwania - BazTech

1

Improving road safety: supervised machine learning analysis of factors influencing crash severity

Li Khanh Giang

Zeszyty Naukowe. Transport / Politechnika Śląska

|

2025

|

z. 127

129--153

EN

Road traffic crash severity is shaped by a complex interplay of human, vehicular, environmental, and infrastructural factors. While machine learning (ML) has shown promise in analyzing crash data, gaps remain in model interpretability and region-specific insights, particularly for the UK context. This study addresses these gaps by evaluating supervised ML models – Decision Tree, Support Vector Machine (SVM), and LightGBM – to predict crash severity using 2022 UK accident data. The research emphasizes interpretability through SHapley Additive exPlanations (SHAP) to identify critical factors influencing severity outcomes. Results demonstrate that LightGBM outperforms other models in predictive performance, with police officer attendance at the scene, speed limits, and the number of vehicles involved emerging as pivotal determinants of severity. The analysis reveals that higher speed limits and single-vehicle collisions correlate with severe outcomes, while police presence may mitigate accident severity. However, the study acknowledges limitations, including dataset constraints. By integrating ML with post-hoc interpretability techniques, this work advances actionable insights for policymakers to prioritize road safety interventions, such as optimizing enforcement strategies and revising speed regulations. The findings underscore the potential of interpretable ML frameworks to enhance understanding of crash dynamics and inform targeted safety measures, contributing to global efforts to reduce traffic-related fatalities and injuries.

2

Heterogeneous ensemble neural network for forecasting the state of multi-zone heating facilities

Yukhymchuk Maria, Dubovoi Volodymyr, Harbar Zhanna, Yeraliyeva Bakhyt

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2025

|

T. 15, nr 2

94--99

EN

The research is aimed at increasing the accuracy of forecasting the state of multi-zone thermal facilities. Such facilities include multi-room premises, multi-zone greenhouses, tunnel kilns for brick production, and others. Thehigh inertia of such facilities reduces the effectivenessof "ad hoc control". Modern proactive control systems based on forecasting are mainly based on using neural network training. However, to forecastthe state of a specific multi-zone thermal facility, training the network requires a very large dataset, which is difficult to create and use. A combined neuro-structural method for forecasting the state of multi-zone thermal facilities is proposed, in which the structure of the neural model reflects the structureof the mutual influence of the facility zones. The research of the method has shown the possibility of ensuring sufficiently high forecast accuracywith a smaller size of the training dataset.

PL

Badania mają na celu zwiększenie dokładności prognozowania stanu wielostrefowych obiektów cieplnych. Obiekty takie obejmują obiekty wielopokojowe, wielostrefowe szklarnie, piece tunelowe do produkcji cegieł i inne. Duża bezwładność takich obiektów zmniejszaskuteczność "sterowania ad hoc". Nowoczesne proaktywne systemy sterowania oparte na prognozowaniu opierają się głównie na szkoleniu sieci neuronowych. Jednak w celu prognozowania stanu konkretnego wielostrefowego obiektu termicznego, szkolenie sieci wymaga bardzo dużego zbioru danych, który jest trudnydo utworzenia i wykorzystania. Zaproponowano połączoną neurostrukturalną metodę prognozowania stanu wielostrefowych obiektów cieplnych, w której struktura modelu neuronowego odzwierciedla strukturę wzajemnego wpływu stref obiektu. Badania metody wykazały możliwość zapewnienia wystarczająco wysokiej dokładności prognozy przymniejszym rozmiarze zbioru danych treningowych.

3

Trends and challenges of forecasting in the airline industry research

Dewi Oki Anita Candra, Masruroh Nur Aini, Wibowo Budhi Sholeh

Engineering Management in Production and Services

|

2025

|

Vol. 17, no. 2

23--36

EN

This study aims to comprehensively review aviation forecasting research by identifying its bibliometric trends, evolving research areas, and thematic developments. It focuses on understanding the aviation industry’s research gaps, highlighting emerging trends, and offering insights into future forecasting innovations. A systematic literature review in the Scopus database used Preferred Reporting Items for Systematic Review and Meta-Analyses (PRISMA) and bibliometric analysis. It identified key patterns, influential publications, and emerging topics. A science mapping analysis was executed to pinpoint research trends in airline forecasting using Biblioshiny to visualise the network analysis and thematic evolution keywords mapping. The study categorised research trends and identified underexplored areas for future investigation. The findings reveal significant shifts in aviation forecasting research, with three distinct phases of publication growth and a surge in output from 2016 onwards. Passenger demand forecasting remains the most researched topic, though its growth has stabilised. Emerging issues such as customer behaviour, financial forecasting, and dynamic pricing have gained prominence, driven by advancements in machine learning and big data analytics. The study also highlights transitioning from traditional statistical methods to more advanced predictive techniques, emphasising real-time decision-making and operational efficiency. Established research areas, such as air cargo forecasting and f leet scheduling, have become more standardised, reducing the need for further innovation.

4

The method of predicting tightening torque and preload for bolts embedded in softwood using steel washers

Kawecki Bartosz

Archives of Civil Engineering

|

2025

|

Vol. 71, nr 1

595--613

EN

The paper presents an investigation on tightening torque and preload prediction for bolts embedded in softwood using steel washers. A basis for the research was a lack of any information on the tightening torque value for bolted connections in the timber structures’ design codes. For this reason, two experimental tests, theoretical analysis and Finite Element modelling, were performed in the paper. The first experiment based on finding the tightening torque to relative displacement relationship. The next one enabled the author to check the maximal compressing force determined by theoretical approach. In this test, dependencies between plastic modulus including material’s compaction and modulus of elasticity were found too and then applied to the numerical model. Tightening torque was calculated according to agreed formulas elaborated for steel structures based on the obtained preload force value. The high correlation between results from the prepared numerical models and experimental tests was observed. The research presented in the paper has multiple applications, as estimating a proper tightening torque value that should clamp a bolted connection, predicting stresses in connection’s components and clamping pressure when connecting several elements due to tightening torque and bolt preload force introduction or predicting the structural response of multiple bolts connections in the first phase of the loading.

PL

W artykule przedstawiono badania dotyczące przewidywania momentu dokręcenia i siły sprężającej dla śrub osadzonych w miękkim drewnie iglastym przy użyciu podkładek stalowych. Podstawą badań był brak informacji o wartości momentu dokręcenia śrub w połączeniach śrubowych w normach projektowych konstrukcji drewnianych. Z tego powodu w artykule przeprowadzono dwa badania eksperymentalne, analizę teoretyczną oraz modelowanie Metodą Elementów Skończonych. Pierwsze doświadczenie polegało na wyznaczeniu zależności momentu dokręcenia od przemieszczenia względnego. Kolejne umożliwiło autorowi sprawdzenie maksymalnej siły ściskającej określonej teoretycznie. W teście tym znaleziono także zależności pomiędzy modułem plastycznym uwzględniającym zagęszczeniem materiału i modułem sprężystości, które następnie zastosowano do modelu numerycznego. Moment dokręcenia obliczono na podstawie ustalonych wzorów opracowanych dla konstrukcji stalowych bazując na uzyskanej wartości siły sprężającej. Zaobserwowano wysoką korelację pomiędzy wynikami opracowanych modeli numerycznych i wynikami badań eksperymentalnych. Badania przedstawione w artykule mają wiele zastosowań, jak oszacowanie właściwej wartości momentu dokręcenia, jaki powinien zostać wprowadzony do połączenia śrubowego, przewidywanie naprężeń w elementach połączenia i docisku podczas łączenia kilku elementów na skutek wprowadzenia momentu dokręcenia i siły sprężającej śruby, czy przewidywanie reakcji konstrukcji połączeń na wiele śrub w pierwszej fazie obciążenia.

5

Simulation analysis of artificial neural network and XGBoost algorithms in time series forecasting

Sroka Łukasz

Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska

|

2024

|

z. 195

561--575

EN

Purpose: The aim of the article was to prepare a simulation analysis of artificial neural network and XGBoost algorithm with determining which of the method was characterized by a lower level of forecast errors for time series predictions. Design/methodology/approach: The objective of the article was reached by applying, a simulation study on a sample of 1000 artificially generated time series. The analyzed XGBoost algorithm and the artificial neural network ANN model were intended to prepare forecasts for five periods ahead. These forecasts were compared with the actual implementations of the time series and proposed forecast error measures. Findings: It is possible to use simulated time series to check which of the presented algorithms were characterized by a lower forecast error. The study showed that applying of the artificial neural networks ANN to forecast future observations generated a lower level of MAPE, MAE and RMSE errors than in the case of the XGBoost algorithm. It was found that both methods generate a lower level of forecast error for time series characterized by a high level of mean value, standard deviation and variance, and levels of kurtosis and skewness close to 0. Practical implications: The research results can be used by both investors and enterprises to better adjust their business decisions to changing market prices by using a model with a lower forecast bias. Originality/value: The original contribution of this article is a comprehensive comparison of forecasts generated by the XGBoost and ANN algorithm, along with determining for which types of time series of the algorithms forecast future values with less error. Moreover, due to the use of simulated artificial time series, it was possible to test each algorithm for various market conditions.

6

A Machine Learning Approach for Predicting Road Accidents

Budzyński Artur, Federowicz Mikołaj, Jabłoński Adam, Hasan Wesam, Gorszanów Jan, Nikitishyn Taras

Safety & Defense

|

2024

|

2

60--70

EN

Road accidents pose significant challenges to public safety and necessitate proactive measures to mitigate them. This paper introduces a machine-learning approach for predicting road accident incidences, leveraging diverse datasets encompassing traffic patterns, weather conditions, and historical accident records. The proposed model integrates feature engineering techniques to capture the multifaceted nature of variables influencing accidents. Through the application of advanced machine learning algorithms, such as ensemble methods and neural networks, the model aims to discern complex patterns within the data, facilitating accurate predictions of accident likelihood. The study also explores the interpretability of the model outputs, providing insights into the key predictors and their interactions. Validation and performance assessment involve rigorous testing on diverse datasets to ensure the generalizability and robustness of the predictive model. The outcomes of this research hold promise for the development of proactive road safety strategies and the implementation of targeted interventions, ultimately contributing to reducing road accidents and their associated societal impacts.

7

Prognozowanie technologii i ich zagrożeń wyzwaniem dla cyberbezpieczeństwa

Kuczabski Mateusz J.

Rocznik Bezpieczeństwa Morskiego

|

2024

|

R. XVIII

147--162

PL

Artykuł poświęcono wyzywaniu jakim stała się próba prognozowania w obszarze technologii i cyberbezpieczeństwa. Zjawisko rozwoju technologii pojawiło się w ostatnich latach, a szczególnie ostatnim dziesięcioleciu wraz z ich dynamicznym rozwojem. Trudno jest dokonać prognozowania albowiem stałą cechą współczesnego społeczeństwa we wszystkich jego przejawach jest zmienność. Technologie dokonują zwrotu w swym rozwoju często za sprawą potrzeb społecznych, niekiedy wymuszonych sytuacją np. pandemią, która sprzyja dynamice rozwoju i szybkiej adaptacji społecznej narzędzi. W szczególności sztuczna inteligencja wzbudza mieszane uczucia od pełnej akceptacji po negację, tym bardziej, że posiada cechy podwójnego zastosowania, co oczywiście generuje zagrożenia i wyzwania dla cyberbezpieczeńśtwa.

EN

The article is devoted to the challenge of trying to forecast in the area of technology and cybersecurity. The phenomenon of technology development has appeared in recent years, and especially in the last decade, with its dynamic development. It is difficult to make forecasts, because variability is a constant feature of modern society in all its manifestations. Technologies often make changes in their development due to social needs, sometimes forced by the situation, e.g. a pandemic, which favors the dynamics of development and rapid social adaptation of tools. In particular, artificial intelligence arouses mixed feelings ranging from full acceptance to denial, especially since it has dual-use features, which of course generates threats and challenges for cybersecurity.

8

Data-driven model for long-term forecasting of 5G throughput and delay per network slice with the context of cell configuration

Dulas Dominik, Witulska Justyna, Wyłomańska Agnieszka, Walkowiak Krzysztof

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

|

2024

|

nr 4

419--424

EN

The primary innovation and contribution of this study is the evaluation of a multidimensional VAR-MAX model, utilizing real traffic and environmental network data combined with cell configuration during the training phase, to accurately forecast telecommunication metrics, which are crucial in the dimensioning of 5G networks with network slicing. The results show that this technique is effective in predicting delay and throughput, which significantly influence the slice quality of service, over a longterm horizon of approximately 3 months.

PL

Podstawowym wkładem tej pracy jest ocena wielowymiarowego modelu VARMAX, wykorzystującego rzeczywiste dane o ruchu i środowisku sieci w połączeniu na etapie uczenia z danymi o konfiguracji komórek, w celu dokładnego prognozowania wskaźników telekomunikacyjnych, które są kluczowe przy wymiarowaniu sieci 5G z zastosowaniem plastrowania. Wyniki pokazują, że technika ta jest skuteczna w długoterminowym przewidywaniu opóźnień i przepustowości, które znacząco wpływają na jakość usługi w plastrze, w horyzoncie 3 miesięcy.

9

Forecasting the number of road accidents in Poland by province

Gorzelanczyk Piotr

Przegląd Komunikacyjny

|

2024

|

R. 79, nr 4/5

13--22

PL

Każdego roku na polskich drogach ginie bardzo duża liczba osób. Z roku na rok wartość ta spada, ale liczba ta nadal jest bardzo wysoka. Pandemia znacznie zmniejszyła liczbę wypadków drogowych, ale wartość ta nadal jest bardzo wysoka. Z tego powodu należy dowiedzieć się, w których województwach dochodzi do największej liczby wypadków drogowych oraz poznać prognozę wypadków na najbliższe lata, aby móc zrobić wszystko, aby tę liczbę zminimalizować. Celem artykułu jest sporządzenie prognozy liczby wypadków drogowych w Polsce w podziale na województwa. W tym celu przeanalizowano miesięczne dane dotyczące liczby wypadków w Polsce w latach 2007-2021 pochodzące ze statystyk Policji oraz dokonano prognozy na lata 2022-2024. Na podstawie uzyskanych danych można stwierdzić, że pandemia spowodowała spadek liczby wypadków drogowych w Polsce średnio o 21%. Rozrzut w zależności od województwa waha się w przedziale: 10% dla województwa lubuskiego do prawie 53% dla województwa lubelskiego. Spadek jest najbardziej zauważalny w województwach lubelskim, wielkopolskim i małopolskim. Ponadto prognozy pokazują, że w obecnej sytuacji możemy spodziewać się dalszego spadku liczby wypadków drogowych w Polsce. Wyniki badania pokazują, że nadal możemy spodziewać się podobnego poziomu wypadków drogowych jak przed pandemią z minimalnym spadkiem na polskich drogach, ale panująca pandemia zniekształca uzyskane wyniki. Do prognozowania liczby wypadków drogowych wykorzystano szeregi czasowe i modele wykładnicze.

EN

Every year a very large number of people die on Polish roads. From year to year, the value decreases, but the number is still very high. The pandemic has significantly reduced the number of road accidents, but the value is still very high. For this reason, it is necessary to find out which provinces have the highest number of traffic accidents and to know the accident forecast for the coming years, so that we can do everything possible to minimize this number. The purpose of the article is to make a forecast of the number of road accidents in Poland by province. For this purpose, monthly data on the number of accidents in Poland in 2007-2021 from the statistics of the Police were analyzed, and a forecast was made for 2022-2024. Based on the data obtained, it can be said that the pandemic caused a decrease in the number of road accidents in Poland by an average of 21%. The spreads depending on the province sniff in the range: 10% for Lubuskie Voivodeship to almost 53% for Lubelskie Voivodeship. The decrease is most noticeable in the Lubelskie, Wielkopolskie and Małopolskie provinces. In addition, forecasts show that in the current situation we can expect a further decrease in the number of road accidents in Poland. The results of the study show that we can still expect a similar level of road accidents as before the pandemic with a minimal decrease on Polish roads, but the prevailing pandemic distorts the results obtained. Time series and exponential models were used to forecast the number of traffic accidents.

10

Efficiency analysis of k-Nearest Neighbors machine learning method for 10-minutes ahead forecasts of electric energy production at an onshore wind farm

Rutyna Inajara, Piotrowski Paweł

Przegląd Elektrotechniczny

|

2024

|

R. 100, nr 1

147--150

EN

This paper presents tests of the effectiveness of the K-Nearest Neighbors (KNN) machine learning technique for short-term forecasting of energy production at an onshore wind farm with a horizon of 10 minutes. The tests were performed for several variants of input variables to KNN models (only backward variables of the forecasted time series and the use of additional exogenous input variables - meteorological data). For each of the variants, the selection of an appropriate number of k was performed using the cross-validation method, separately for each of the distance measures tested. Analyses were performed of the found k values depending on the variant of the input variables and the distance measure. Conclusions and observations of the performed tests were formulated.

PL

W artykule przedstawiono testy skuteczności techniki uczenia maszynowego k najbliższych sąsiadów (K-Nearest Neighbors - KNN) do krótkoterminowego prognozowania produkcji energii na farmie wiatrowej lądowej z horyzontem 10 minut. Badania wykonano dla kilku wariantów zmiennych wejściowych do modeli KNN (tylko zmienne cofnięte prognozowanego szeregu czasowego oraz zastosowanie dodatkowych zmiennych wejściowych egzogenicznych – dane meteorologiczne). Dla każdego z wariantów wykonano dobór właściwej liczby k metodą walidacji krzyżowej, osobno dla każdej z testowanych miar odległosci. Wykonano analizy znalezionych wartości k w zależności od wariantu zmiennych wejściowych oraz miary odległości. Sformułowano wnioski i spostrzeżenia z wykonanych badań.

11

Analiza wybranych aspektów pracy KSE pod kątem zapotrzebowania mocy

Malska Wiesława

Przegląd Elektrotechniczny

|

2024

|

R. 100, nr 7

121--126

PL

W artykule zaprezentowano analizę wybranych aspektów pracy Krajowego Systemu Elektroenergetycznego pod kątem zapotrzebowania mocy. Przedstawiono wyniki analiz i obliczeń z wykorzystaniem programu komputerowego Statistica dla dobowej prognozy zapotrzebowania mocy i rzeczywistego zapotrzebowania mocy, a także zaprezentowano model wyrównywania wykładniczego i predykcji.

EN

The article presents an analysis of selected aspects of the operation of the National Power System in terms of power demand. The results of analysis and calculations using the Statistica computer software for daily power demand forecast and actual power demand are presented, and an exponential equalization and forecasting model is presented.

12

Badanie i prognozowanie wydajności pracowników budowlanych

Kostrzewa-Demczuk Paulina, Walasek Jakub

Przegląd Budowlany

|

2024

|

R. 95, nr 7

144--147

PL

W studium podjęto próbę zbadania i zaprognozowania wydajności pracy robotników budowlanych podczas realizacji wybranej pracy budowlanej. Określono czynniki i zależności mające wpływ na wydajność robotników oraz przeprowadzono prognozę czasu wykonania w nowych warunkach realizacyjnych. Przeprowadzono badania na placach budów i pozyskano 33 pomiary wydajności pracowników podczas układania kostki brukowej w różnych warunkach realizacyjnych, będących podstawą dalszych obliczeń. Podczas obliczeń wykorzystywano Multivariate Method of Statistical Models – MMSM. Dla zmiennej zależnej (wydajności pracownika) określono 6 zmiennych niezależnych (liczebność brygady roboczej, średnie doświadczenie pracowników, liczbę godzin pracy, średnią temperaturę, średnią wilgotność, liczbę ułożonych m2 w trakcie trwania pomiaru). W wyniku przeprowadzonych obliczeń i analiz uzyskano prognozę opartą na sieci zależności Sztucznych Sieci Neronowych (SNN), z bardzo niskim błędem MAPE. Prowadząc badania, oparte na większej ilości przyjętych zmiennych niezależnych, można uzyskać prognozę mającą zastosowanie do bardziej złożonych i różnorodnych przypadków.

EN

The study attempts to investigate and forecast the productivity of construction workers, during the execution of a selected construction work. Factors and relationships affecting the productivity of the workers were identified and a prediction of the execution time under the new execution conditions was carried out. Surveys were carried out on construction sites and 33 measurements of worker productivity during the laying of paving blocks under different realisation conditions were obtained as the basis for further calculations. The Multivariate Method of Statistical Models – MMSM – was used for the calculations. For the dependent variable (worker productivity), 6 independent variables were determined (size of the working brigade, average experience of the workers, number of working hours, average temperature, average humidity, number of m2 laid during the measurement). As a result of the calculations and analyses carried out, a prediction based on an Artificial Neron Networks (SNN) dependency network was obtained, with a very low MAPE error. By carrying out research based on a larger number of adopted independent variables, a forecast applicable to more complex and diverse cases can be obtained.

13

Mid-term forecasting of crude oil prices using the hybrid CEEMDAN and CNN_LSTM deep learning model

Gandhi Herry Kartika

Polityka Energetyczna

|

2024

|

T. 27, z. 4

19--38

EN

Forecasting crude oil prices has always been a matter of discussion among energy experts. Due to a significant dependence of the global economy on crude oil, the volatility of the spot price can impact the supply and demand of the market. Moreover, crude oil is still the primary energy for transportation worldwide. Although renewable energy sources have developed significantly, crude oil has been dominant in transportation fuels in the last few decades. This study focuses on mid-term multi-step forecasting and provides a forecasting model that provides a robust prediction for 60 to 90 steps ahead. Our main objective is to develop a forecasting model that can maintain high accuracy and low errors. Our analysis uses a hybrid Complete Ensemble Empirical Mode Decomposition with Adaptive Noise (CEEMDAN) and the Convolutional Neural Network, Long Short-Term Memory (CNN_LSTM) deep learning model. These three techniques, which have different advantages, are put together, and the combination of them is able to identify features (trend and seasonality) in historical data learning and perform high prediction accuracy for next-term prediction. We compared the proposed model with other decomposition and deep learning techniques. The proposed model shows lower Mean Absolute Error (MAE) and Root Mean Squared Error (RMSE) values than other benchmark models for Brent and crude West Texas Intermediate (WTI) oil prices – the proposed model’s Mean Absolute Percentage Error (MAPE) results in better forecasting with MAPE values between 4 to 10. The simulation with box plot analysis also gives a quartile range value below 0.2, which shows the stability of the model in each iteration. Finally, the proposed model can provide a robust forecasting model for multi-step mid-term forecasting.

PL

Prognozowanie cen ropy naftowej zawsze było przedmiotem dyskusji wśród ekspertów ds. energii. Ze względu na znaczną zależność światowej gospodarki od ropy naftowej, zmienność ceny spot może mieć wpływ na podaż i popyt na rynku. Ponadto ropa naftowa jest nadal podstawową energią dla transportu na całym świecie. Chociaż odnawialne źródła energii znacznie się rozwinęły, ropa naftowa dominuje w paliwach transportowych w ciągu ostatnich kilku dekad. Niniejsze badanie koncentruje się na prognozowaniu wieloetapowym w średnim okresie i dostarcza model prognostyczny, który zapewnia solidną prognozę na 60 do 90 kroków do przodu. Głównym celem jest opracowanie modelu prognostycznego, który może utrzymać wysoką dokładność i niskie błędy. Niniejsza analiza wykorzystuje hybrydowy model uczenia głębokiego Complete Ensemble Empirical Mode Decomposition with Adaptive Noise (CEEMDAN) i model uczenia głębokiego Convolutional Neural Network, Long Short-Term Memory (CNN_LSTM). Dzięki połączeniu tych trzech różnych technik jesteśmy w stanie identyfikować cechy (trend i sezonowość) w uczeniu się danych historycznych i zapewniać wysoką dokładność prognozowania w przypadku prognozowania na następny okres. W artykule porównano proponowany model z innymi technikami dekompozycji i głębokiego uczenia. Proponowany model wykazuje niższe wartości średniego błędu bezwzględnego (MAE) i średniego błędu kwadratowego (RMSE) niż inne modele referencyjne dla cen ropy Brent i ropy West Texas Intermediate (WTI) – średni błąd procentowy bezwzględny proponowanego modelu (MAPE) skutkuje lepszym prognozowaniem z wartościami MAPE od 4 do 10. Symulacja z analizą wykresu pudełkowego daje również wartość zakresu kwartylowego poniżej 0,2, co pokazuje stabilność modelu w każdej iteracji. Wreszcie, proponowany model może zapewnić solidny model prognostyczny do wieloetapowego prognozowania średnioterminowego.

14

Planning expenses in an institution with the use of the forecasting method in terms of economic security

Kozicki Bartosz, Milichiewicz Jakub, Świercz Marek

Nowoczesne Systemy Zarządzania

|

2024

|

T. 19, nr 2

63--72

EN

The article analyzes and evaluates the time series of expenses incurred in the research subject from January 2016 to December 2023. The research focused on the distribution of the analyzed data. Three regularities were detected: trend, seasonality and random factor. No outliers or extreme values were observed in the data. The distribution of the analyzed data is not normal. That was confirmed by the Shapiro-Wilk test. The expenditure forecast for 2024 is PLN 37 074 834. MAPE was 5,8%.

PL

W artykule przeanalizowano i oceniono szeregi czasowe wydatków poniesionych w związku z badanym obiektem od stycznia 2016 r. do grudnia 2023 r. Badania koncentrowały się na rozkładzie analizowanych danych. Wykryto trzy prawidłowości: trend, sezonowość i czynnik losowy. W danych nie zaobserwowano wartości odstających ani ekstremalnych. Rozkład analizowanych danych nie jest normalny. Potwierdziła to próba Shapiro-Wilka. Prognoza wydatków na 2024 r. wynosi 37 074 834 zł. MAPE wynosił 5,8%.

15

Designing a forecasting system using its parameters

Korostil Jerzy, Afanasyewa Olesya, Korostil Olga

Journal of Engineering, Energy and Informatics

|

2024

|

No. 1(3)

30--40

EN

The work solves the problem of calculating parameter values and their use in building a system for forecasting external, random events that negatively affect the functioning process implemented by a technical object. To clarify the functioning process, a number of conditions defining the boundaries within which the parameters are studied are proposed. The design of the system is performed in stages, and therefore the investigated parameters are analyzed at each stage separately. The first stage of the process of designing a forecasting system is the formation of a hypothesis that determines the general purpose of using the system. The work offers an interpretation of the hypothesis that is adapted to the solved problem. A description of the process of preliminary analysis of input data is provided, and the processes related to the requirements for the components of the forecasting system, which expand its functionality, are considered. The peculiarities of the functioning of the component, which predicts a random event, are considered. The statement is proved, which defines the type of functions on the basis of which the prediction is realized. At the second stage, the processes of determining the values of the countermeasures against the impact of a random event on the functioning of the technological process are implemented. As part of these processes, textual descriptions of data interpretation are used to expand their functionality related to the implementation of the corresponding countermeasure. In this regard, the statement about the non-contradiction of the system of algorithms, which is modified based on the use of information from textual descriptions of the interpretation of data used in the forecasting system, is proved.

PL

Praca rozwiązuje problem obliczania wartości parametrów i ich wykorzystania przy budowie systemu prognozowania zewnętrznych, losowych zdarzeń, które negatywnie wpływają na proces funkcjonowania realizowany przez obiekt techniczny. Dla sprecyzowania procesu funkcjonowania zaproponowano szereg warunków określających granice, w których badane są parametry. Projektowanie systemu odbywa się etapami, w związku z czym badane parametry są analizowane na każdym etapie z osobna. Pierwszym etapem procesu projektowania systemu prognozowania jest formułowanie hipotezy, która określa ogólny cel wykorzystania systemu. W pracy zaproponowano interpretację hipotezy dostosowaną do rozwiązywanego problemu. Przedstawiono opis procesu wstępnej analizy danych wejściowych oraz rozpatrzono procesy związane z wymaganiami dla elementów systemu prognozowania rozszerzających jego funkcjonalność. Uwzględniono specyfikę działania komponentu, który przewiduje zdarzenie losowe. Udowodniono stwierdzenie, które określa rodzaj funkcji, na podstawie których realizowana jest predykcja. Na drugim etapie realizacji procesu wyznaczania znaczeń parametrów przeciwdziałania wpływu zdarzenia losowego na funkcjonowanie technologicznego procesu wykorzystywani tekstowe opisy interpretacji danych do rozszerzenia ich możliwości funkcjonalnych związanych z realizacją odpowiedniego przeciwdziałania. W tym zakresie udowodnione jest stwierdzenie o spójności systemu algorytmów, który jest modyfikowany w oparciu o wykorzystanie informacji z tekstowych opisów interpretacji danych wykorzystywanych w systemie prognostycznym.

16

Przegląd obecnie istniejących instalacji LNG na świecie, aspekty techniczne pojedynczej stacji oraz prognozowanie zużycia gazu. Część 2 - obliczenia

Cieślik Tomasz, Narloch Piotr, Żero Andrzej

Gaz, Woda i Technika Sanitarna

|

2024

|

Nr 2

2--7

PL

Jednym z warunków prawidłowego zarządzania pracą sieci wyspowej zasilanej z stacji regazyfikacji LNG jest planowanie dostaw opartych o prognozy zużycia. Na podstawie zgromadzonych danych atmosferycznych oraz zużycia gazu z wybranej stacji na przestrzeni dwóch lat określono wpływ czynników atmosferycznych na konsumpcję gazu ziemnego za pomocą sztucznych sieci neuronowych. Wyznaczono wpływ miesiąca oraz dnia (parametr sztuczny) na konsumpcję gazu. Wyznaczono model sieci neuronowych dający najlepsze dopasowania za pomocą współczynnika korelacji.

EN

One of the conditions for proper management of the islanded network supplied by LNG regasification stations is planning deliveries based on consumption forecasts. Based on collected meteorological data and gas consumption from a selected station over a two-year period, the impact of atmospheric factors on natural gas consumption was determined using artificial neural networks. The influence of the month and day (artificial parameter) on gas consumption was identified. A neural network model was developed to achieve the best fits using correlation coefficients.

17

Problems of monitoring critical elements of scaffolding

Ramezantitkanloo Amin, Czepiżak Dariusz, Pieńko Michał

Archives of Civil Engineering

|

2024

|

Vol. 70, nr 4

233--254

EN

Scaffolds are temporary structures that include anchors, elements, and platforms that are used during the construction of steel or concrete structures to support equipment or workers at height. Since these structures have aimed to guarantee safety and support workers at heights, the stability of scaffold systems is of significant importance. These systems have some disadvantages. For example, they are sensitive to vibrations. This feature reduces their stability under service-, cyclic-, or earthquake loadings. Furthermore, the vibrating nature of scaffolds can impose additional axial loads and consequently additional moment loads on the scaffold columns and decrease the safety of workers and increase the accidents of use of them. In this paper, a review of some research has been performed that aimed to solve this problem and improve the stability of scaffolds. These articles have investigated the behaviour of anchors and joints and the influence of imperfections and inaccuracies on scaffolds. A summary of research has been presented that has proposed new methods for predicting the behaviour, damage, and collapse of scaffolds using some structural health monitoring (SHM) methods. Finally, the research gaps and limitations of previous studies have been investigated, with a focus on monitoring and solving the problems of the scaffolds and critical elements so that these problems can be solved and evaluated in future studies.

PL

Rusztowania to konstrukcje tymczasowe. Składają się ze stojaków, prętów stężeń, podestów i zakotwienia. Najczęściej są one wykorzystywane na etapie budowy czy remontu konstrukcji budowlanych i służą do podtrzymywania sprzętu i pracowników na wysokości. Ponieważ konstrukcje te mają na celu zagwarantowanie bezpieczeństwa ludzi pracujących na wysokości to olbrzymie znaczenie ma ich stateczność. Rusztowania mają różne wady np. są wrażliwe na wibracje. Ta cecha zmniejsza ich stabilność pod działaniem obciążeń zmiennych, cyklicznych lub trzęsieniem ziemi. Co więcej, drgania rusztowań mogą powodować dodatkowe siły osiowe i momenty zginające w słupach rusztowania, zmniejszając bezpieczeństwo pracowników i zwiększając liczbę wypadków związanych z ich użytkowaniem. W niniejszym artykule dokonano przeglądu badań mających na celu rozwiązanie tego problemu i poprawę stabilności rusztowań. Analizowana w pracy literatura dotyczyła zachowania kotew i złączy oraz wpływu imperfekcji geometrycznych i niedokładności montażowych na bezpieczeństwo rusztowań. W artykule przedstawiono podsumowanie badań, w których zaproponowano nowe metody przewidywania zachowania, uszkodzeń i katastrof rusztowań przy użyciu metod monitorowania stanu konstrukcji (SHM). Wskazano luki badawcze i ograniczenia poprzednich badań. Skoncentrowano się na monitorowaniu i rozwiązywaniu problemów rusztowań i ich elementów krytycznych, tak aby mogły być one rozwiązywane i oceniane w przyszłych badaniach.

18

A new method for predicting consolidation settlements of soft ground based on monitoring results

Meng Xiong, Zheng Jifa, Yang Biyu

Archives of Civil Engineering

|

2024

|

Vol. 70, nr 2

403--416

EN

Excessive settlement or differential settlement of subgrade will lead to the deterioration of line operational conditions, the reduction of passenger comfort, and even endanger the safety of traffic. Therefore, it is of great significance to study the settlement prediction of subgrade. In order to predict the settlement of foundation under the next level of loading earlier during the embankment construction process, a new method of predicting settlement of soft soil subgrade is proposed. Firstly, based on monitoring results of soft soil foundation, the consolidation parameters of soil layer are back-calculated according to the three-point method. Then, combined with the theory of the consolidation degree of graded loading, the formula that can predict settlement under different loading conditions are derived. Eventually, the practical application of the method is verified by the prediction and comparative analysis of measured settlements based on engineering examples. The result of research shows that the method can predict the foundation settlement after loading during construction of engineering fill. This method has obvious advantages over the traditional curve fitting method and can guide the actual engineering construction.

19

Key Financial Indicators Analysis and Stock Trend Forecasting Based on a Wrapper Feature Selection Method

Lin Chang

Annals of Computer Science and Information Systems

|

2024

|

Vol. 39

755--759

EN

Predicting stock price trends is a challenging puzzle. The immediate price of a stock is affected by an uncountable number of factors. Thus there is essentially no way to accurately predict short-term stock price due to dynamic, incomplete, erratic, and chaotic data. However, by analyzing key financial indicators, it is possible to gain an accurate understanding of a company's operations, make a quantitative assessment of its value, and thus make a reasonable prediction of the long-term trend of its stock price. In this FedCSIS 2024 Data Science Challenge, participants are asked to predict the trends of the stocks which are chosen from the Standard \& Poor's 500 index. In this paper, we apply a wrapper feature selection method that tightly combines the steps of feature selection and model building to result in better prediction models, and provide insight into the indicators. After selecting the best set of features, we train two kinds of gradient boost machine: multi-classification model and regression model for class and risk-return performance prediction respectively. Finally a high confidence voting strategy is used to determine the kind of trading action (buy, sell, or hold). Experimental and competition results demonstrate the effectiveness of the methodology in this paper.

20

Forecasting Stock Trends with Feedforward Neural Networks

Traskowski Marcin, Kannout Eyad

Annals of Computer Science and Information Systems

|

2024

|

Vol. 39

767--771

EN

Stock market prediction stands as a complex and crucial task, pivotal for enhancing the overall stability and efficiency of financial markets by offering essential insights into market movements and trends. In this study, we introduce a simple yet potent model based on feedforward neural networks to tackle this challenge effectively. Our approach leverages advancements in machine learning and deep learning to analyze large datasets of financial statements, demonstrating promising results in forecasting stock trends.