Wyniki wyszukiwania - BazTech

1

Anticipating future skills and internal potential of entrepreneurs - the perspective of mining

Marszowski Ryszard, Jarosławska-Sobór Sylwia, Michalska Anna

Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska

|

2024

|

z. 203

269--294

EN

Purpose: the aim of the research results presented in the article is to strengthen a better understanding of the processes related to the transformation of hard coal mining in Poland, in particular the preparation of employees and their representatives, as well as employers from transformed areas for the upcoming changes. In this perspective, anticipating future skills against the internal potential of entrepreneurs becomes more and more important. It is a key element that enables entrepreneurs to adapt to changes, create innovative solutions and remain competitive on the market. Methodology: in the space of challenges and changes outlined in the article, qualitative research was carried out focused on predicting future skills from the perspective of entrepreneurs' internal capital. The research was conducted using the focus group interview (FGI) and in-depth individual interview (IDI) methods. Resultat: research results on predicting future skills in the perspective of the internal potential of entrepreneurs in transformed areas, indicate that these are areas characterized by major changes in the economy, technology and environment, which requires entrepreneurs to be able to quickly adapt to new conditions and the ability to adapt their activities to market requirements. Originality: predicting the future skills and potential of entrepreneurs in transformed areas is difficult due to the dynamic changes taking place in these areas and the complexity of factors influencing their development. Therefore, it is important that the approach to the identified problem areas is flexible and takes into account the changing needs of entrepreneurs.

2

Macrogenetic program of distributed windings of electromechanical converters

Shynkarenko Vasyl, Shymanska Anna, Kotliarova Viktoriia, Krasovskyi Pavlo

Przegląd Elektrotechniczny

|

2024

|

R. 100, nr 9

114--118

EN

The paper considers the definition of macrogenetic programs of distributed windings. It is shown that the windings perform the role of an energy and genetic core which determines the principles of genetic structure formation and evolution of an arbitrary complex electromechanic system. The systematic basis for the organization of further structural and systemic studies of structural and functional classes of windings (primarily, twin-type, hybrid and spatially adaptive) was determined.

PL

W artykule rozważono definicję programów makrogenetycznych uzwojeń rozproszonych. Pokazano, że uzwojenia pełnią rolę rdzenia energetycznego i genetycznego, który wyznacza zasady tworzenia struktury genetycznej i ewolucji dowolnego złożonego układu systemu elektromechanicznego. Określono systematyczne podstawy organizacji dalszych badań strukturalno-systemowych klasów strukturalnych i systemowych uzwojeń (przede wszystkim typu bliźniaczego, hybrydowego i adaptacyjnego przestrzennie).

3

Identification of salt-affected soils in the coastal area Of Krishna District, Andhra Pradesh, using remote sensing data and machine learning techniques

Anuradha Govada, Chivukula Venkata Sai Sankara Vineeth, Kothagundla Naga Ganesh

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2024

|

T. 14, nr 2

83--88

EN

In agricultural soil analysis, the challenge of soil salinization in regions like Krishna District, Andhra Pradesh, profoundly impacts soil health, crop yield, and land usability, affecting approximately 77,598 hectares of land. To address this issue, three machine learning algorithms are compared for classifying salinity levels in the coastal area of Krishna district, Machilipatnam. This study utilizes Landsat-8 images from 2014 to 2021, correcting for cloud cover and creating a true-color composite. The study area is defined and visualized. Twelve indices, derived from Landsat imagery, are incorporated into the analysis. These indices, including spectral bands and mathematical expressions, are added as image bands. The median of these indices is calculated, and sample points representing both non-saline and saline areas are used for supervised machine learning. The data is divided into two sets: training and validation. The study evaluates Random Forest, Classification and Regression Trees, and Support Vector Machines for classifying soil salinity levels using these indices. The RF algorithm produced an accuracy of 92.1%, CART produced 91.3%, and SVM produced 86%. Results are displayed on the map, representing predicted salinity levels with distinct colors. Performance metrics are evaluated, and they assess algorithm performance. The research involved gives insights into the classification of soil salinity using machine learning, which could represent an efficient solution to the problem of soil salinization in Machilipatnam.

PL

W rolniczej analizie gleby, wyzwanie zasolenia gleby w regionach takich jak dystrykt Krishna, Andhra Pradesh, głęboko wpływa na zdrowie gleby, plony i użyteczność gruntów, wpływając na około 77 598 hektarów ziemi. Aby rozwiązać tę kwestię, porównano trzy algorytmy uczenia maszynowego do klasyfikacji poziomów zasolenia w obszarze przybrzeżnym dystryktu Krishna, Machilipatnam. W badaniu wykorzystano obrazy Landsat-8 z lat 2014-2021, korygując je pod kątem zachmurzenia i tworząc kompozycję w prawdziwych kolorach. Obszar badań został zdefiniowany i zwizualizowany. Do analizy włączono dwanaście wskaźników pochodzących ze zdjęć Landsat. Wskaźniki te, w tym pasma widmowe i wyrażenia matematyczne, są dodawane jako pasma obrazu. Mediana tych wskaźników jest obliczana, a przykładowe punkty reprezentujące zarówno obszary niezasolone, jak i zasolone są wykorzystywane do nadzorowanego uczenia maszynowego. Dane są podzielone na dwa zestawy: treningowy i walidacyjny. W badaniu oceniono Random Forest, Classification and Regression Trees i Support Vector Machines pod kątem klasyfikacji poziomów zasolenia gleby przy użyciu tych wskaźników. Algorytm RF uzyskał dokładność 92,1%, CART 91,3%, a SVM 86%. Wyniki są wyświetlane na mapie, przedstawiając przewidywane poziomy zasolenia za pomocą różnych kolorów. Oceniane są wskaźniki wydajności i wydajność algorytmów. Przeprowadzone badania dają wgląd w klasyfikację zasolenia gleby przy użyciu uczenia maszynowego, co może stanowić skuteczne rozwiązanie problemu zasolenia gleby w Machilipatnam.

4

A coyote-inspired approach for systemic lupus erythematosus prediction using neural networks

Mummaneni Sobhana, Dodda Pragathi, Ginjupalli Naga Deepika

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2024

|

T. 14, nr 2

22--27

EN

Systemic Lupus Erythematosus (SLE) is a complicated autoimmune disease that can present with a variety of clinical symptoms, making precise prognosis difficult. Because SLE has a wide range of symptoms and may overlap with other autoimmune and inflammatory disorders, making a diagnosis can be challenging. This study creates a precise and accurate model for the prediction of SLE using the GEO dataset. For cost-effective data collection and analysis, feature selection might be essential in some applications, particularly in healthcare and scientific research. The strength of Artificial Neural Networks (ANN) for Systemic Lupus Erythematosus prediction and the Coyote Optimization Algorithm (COA) for feature selection are combined in this study. The COA is an optimization method influenced by nature and coyote hunting behavior. This study attempts to improve the effectiveness of subsequent predictive modeling by using COA to identify a subset of significant features from high-dimensional datasets linked to SLE. A Multi-layer Feed-forward Neural Network, a potent machine learning architecture renowned for its capacity to discover complex patterns and correlations within data, is then given the chosen features. Because the neural network is built to capture SLE's intricate and non-linear structure, it offers a reliable foundation for precise classification and prediction. The accuracy of the COA-ANN model was 99.6%.

PL

Toczeń rumieniowaty układowy (SLE) jest skomplikowaną chorobą autoimmunologiczną, która może objawiać się różnymi objawami klinicznymi, co utrudnia dokładne rokowanie. Ponieważ SLE ma szeroki zakres objawów i może nakładać się na inne choroby autoimmunologiczne i zapalne, postawienie diagnozy może być trudne. Niniejsze badanie tworzy precyzyjny i dokładny model przewidywania SLE z wykorzystaniem zbioru danych GEO. W celu efektywnego kosztowo gromadzenia i analizy danych, wybór cech może być niezbędny w niektórych zastosowaniach, szczególnie w opiece zdrowotnej i badaniach naukowych. W niniejszym badaniu połączono siłę sztucznych sieci neuronowych (ANN) do przewidywania tocznia rumieniowatego układowego i algorytmu optymalizacji Coyote (COA) do wyboru cech. COA to metoda optymalizacji, na którą wpływ ma natura i zachowania łowieckie kojotów. Niniejsze badanie ma na celu poprawę skuteczności późniejszego modelowania predykcyjnego poprzez wykorzystanie COA do identyfikacji podzbioru istotnych cech z wielowymiarowych zbiorów danych powiązanych z SLE. Wielowarstwowa sieć neuronowa Feed-forward, potężna architektura uczenia maszynowego znana ze swojej zdolności do odkrywania złożonych wzorców i korelacji w danych, otrzymuje następnie wybrane cechy. Ponieważ sieć neuronowa została zbudowana w celu uchwycenia skomplikowanej i nieliniowej struktury SLE, oferuje ona niezawodną podstawę do precyzyjnej klasyfikacji i przewidywania. Dokładność modelu COA-ANN wyniosła 99,6%.

5

A novel ensemble learning technique of shallow models applied on a COVID-19 dataset

Babuc D.

Annals of Computer Science and Information Systems

|

2024

|

Vol. 39

537--542

EN

Our lives were affected by the COVID-19 pandemic. In order to face this crisis, we provided a novel ensemble learning strategy to tackle the COVID-19 prediction and classification problems. Because of their capacity to handle the complex and varied nature of COVID-19 data, a range of shallow models, including K-Nearest Neighbors, Decision Trees, Support Vector Machines, Classification and Regression Trees, and Extreme Gradient Boost, are included in our method. Using a COVID-19 dataset, each model is trained independently and then ensemble learning techniques are used to integrate the predictions of the models. We use strict model validation and hyperparameter optimization to improve performance. Comparing our ensemble method to a single model or traditional ensemble techniques, our results show considerable improvements in classification performance and prediction accuracy.

6

Its-pro-flow: a new enhanced short-term traffic flow prediction for intelligent transportation systems

Kozici Halil Ibrahim, Kosunalp Selahattin, Arucu Muhammet

Zeszyty Naukowe. Transport / Politechnika Śląska

|

2023

|

z. 120

117--136

EN

Short-term traffic flow prediction plays a significant role in various applications of intelligent transportation systems (ITS), such as road traffic control and route guidance. This requires the development of intelligent prediction approaches for accurate and timely traffic flow information. To handle this issue, this paper emphasizes the potential of a new idea to propose a high-quality and intelligent prediction of short-term traffic flow in ITS. The proposed model, referred to as ITS-Pro-Flow, takes the benefits of the well-known Profile-Energy (Pro-Energy) as a landmark solution, relying on past observations and current conditions to forecast future short-term traffic flow volume. ITS-Pro-Flow has an effective prediction mechanism due to its unique enhancements over Pro-Energy. The distinctive feature of ITS-Pro-Flow is that it dynamically adjusts the contributions of past predictions and current observations for a particular prediction, which is equally performed in Pro-Energy. We prove the performance of ITS-Pro-Flow through extensive simulations with 2 datasets, in comparison to Pro-Energy and IPro-Energy. Performance results clearly indicate that ITS-Pro-Flow provides more accurate predictions than other schemes.

7

Short-term traffic state estimation using breakpoint flow calculation and machine learning methods

Özinal Avşar Yağmur, Avşar Ercan

Zeszyty Naukowe. Transport / Politechnika Śląska

|

2022

|

z. 115

121-134

EN

Estimation of the state of road traffic conditions is gaining increasing attention in recent intelligent transportation systems. Accurate and real-time estimation of traffic condition changes is critical in the management and control of road network systems. Thus, efforts are been made to predict short-term traffic conditions based on measured traffic data such as speed, flow and density. In this work, the state of the traffic is estimated through a three-step process. First, both speed and flow predictions for 15-minute ahead are made for a particular freeway segment. Four different regression models are used for the prediction task, namely, multi-layer perceptron neural networks (MLPNN), support vector regression (SVR), gradient boosted decision trees (GBDT), and k-nearest neighbors (kNN). Next, the breakpoint (BP) flow is calculated using the distribution of these predicted speed and flow values. In the final step, these predictions are classified as belonging to a “stable state” or “metastable state” by using the calculated BP as the threshold between these states. According to the experimental results, the values for MLPNN are the highest for speed (0.8564) and flow (0.9862) predictions. An identical BP, 1050 pc/15min, is calculated for actual data as well as all prediction methods.

8

Approach to predict product quality considering current customers’ expectations

Siwiec Dominika, Pacana Andrzej, Bednárová Lucia

Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska

|

2022

|

z. 155

461--472

EN

Purpose: The purpose was to develop an approach to predict product quality considering current customers' expectations. Design/methodology/approach: The approach includes integrated techniques, i.e.: SMART(-ER) method, a questionnaire with the Likert scale, brainstorming (B&M), WSM method, and Naïve Bayes Classifier. This approach refers to obtaining customers' expectations for satisfaction from the current quality of products and the importance of these criteria. Based on the satisfaction of customers, the quality of the product was estimated and classified. Then, the quality of the product was predicted for current customers. Findings: It was shown that it is possible to predict product quality based on current customer expectations, and so based on the current existing product. Research limitations/implications: The proposed approach does not include the possibilities of determining the expected quality of the product. The approach focuses on predicting customers' satisfaction with the current quality of the product. Therefore, if there is a need for improvement actions, further analyzes should be carried out to determine which criteria should be modified and how. Practical implications: The presented approach can be used for any product. Therefore, it is a useful tool for any kind of organization, which strives to meet customer satisfaction. Despite the possibility to predict the quality of the product, the proposed approach can indicate at an early stage to the organization that it is necessary to make improvement actions. Social implications: It is possible to reduce the waste of resources by predicting that improvement actions are necessary. Moreover, the approach supports an entity (e.g., expert, enterprise, interested parties) in predicting current customers' satisfaction. Originality/value: Originality is predicting product quality based on current customers' expectations. A new combination of quality management techniques, decision support, and machine learning was implemented.

9

Concept of a model to predict the qualitative-cost level considering customers’ expectations

Siwiec Dominika, Pacana Andrzej, Ulewicz Robert

Polish Journal of Management Studies

|

2022

|

Vol. 26, No. 2

330--340

EN

The main problem of modern entrepreneurs is the adequate recognition of customer expectations based on current products. The purpose of the study is to propose the concept of a model to predict the qualitative-cost level of this modified product. The idea of the concept depends on determining the product that will be satisfactory for the customer, i.e., satisfied simultaneously in turn of quality and cost of purchase. A questionnaire is used to obtain customer expectations. Then, according to the DEMATEL method, the relations between these criteria are determined. Next, the weights (importance) of the criteria are estimated by arithmetic average. Additionally, according to the Likert scale, these criteria' initial quality (customer satisfaction) is assessed. Based on these, the quality of the product is estimated by using the WSM method. The calculated product quality is combined with the real cost of its purchase in the qualitative-cost analysis (AKJ). According to the results of the qualitative-cost analysis, the expected product of the customer is predicted. This process is supported by the Relative States Scale. The proposed conception can be used to verify any product. Therefore, it can be useful for different entities offering products to the customer and striving to meet their expectations (satisfaction). The originality is the simultaneous prediction of the expected level of product quality and the cost of its purchase and the ability to determine customer satisfaction at this qualitative-cost level.

PL

Głównym problemem współczesnych przedsiębiorców jest odpowiednie rozpoznanie oczekiwań klienta na podstawie aktualnych produktów. Celem opracowania jest zaproponowanie koncepcji modelu do przewidywania poziomu jakościowo-kosztowego produktu według modyfikacji produktu. Idea koncepcji polega na określeniu satysfakcjonującego dla klienta produktu, który będzie jednocześnie zadawalający pod względem jakości i kosztu jego zakupu. Kwestionariusz wykorzystuje się do pozyskania oczekiwań klienta. Kolejno, według metody DAMATEL określane są relacje pomiędzy kryteriami. Następnie stosując średnią arytmetyczną szacowane są wagi (ważność) kryteriów. Dodatkowo, według skali Likerta oceniana jest wstępna jakość (satysfakcja klienta) z tych kryteriów. Na ich podstawie szacowana jest jakość produktu zgodnie z metodą WSM. Obliczona jakość produktu łączona jest z rzeczywistym kosztem ich zakupu w analizie kosztowo-jakościowej (AKJ). Według poziomu kosztowo-jakościowego przewidywany jest produkt oczekiwany przez klienta. Wybór wspierany jest skalą stanów względnych. Proponowana koncepcja może być stosowana do weryfikacji dowolnych produktów. Dlatego może być użyteczną dla różnych podmiotów oferujących produkty klientowi i dążących do spełnienia ich oczekiwań (satysfakcji). Oryginalnością jest jednoczesne przewidzenie oczekiwanego poziomu jakości produktu i kosztu jego zakupu oraz możliwość określenia satysfakcji klienta z tego poziomu jakościowo-kosztowego.

10

Stan wody jako czynnik generujący zakłócenia wpływające negatywnie na realizację procesów budowlanych

Stanulewicz Joanna

Przegląd Budowlany

|

2021

|

R. 92, nr 1

34--37

PL

Zakłócenia występujące podczas realizacji procesów budowlanych, gdzie głównym czynnikiem zakłócającym jest czynnik hydrologiczny są bardzo trudne do przewidzenia. Na przykładzie budowy Trasy Mostu Północnego w Warszawie kluczowym czynnikiem zakłócającym był wyjątkowo wysoki stan wody rzeki Wisły. W artykule zostanie wyjaśnione, czy zakłócenia, które pojawiły się w trakcie realizacji inwestycji, były możliwe do przewidzenia lub/i w jaki sposób można byłoby ograniczyć ich negatywny wpływ tak, by nie powodowały wydłużenia czasu realizacji oraz nie tworzyły dodatkowych kosztów inwestycji. Dokonany zostanie podział działań umożliwiających ograniczenie wpływu zakłóceń na realizację procesów budowlanych na etapie projektowania oraz realizacji inwestycji poprzez wprowadzenie elastyczności.

EN

Disturbances occurring during construction processes where the main disturbing factor is the hydrological factor are very difficult to predict. In the example of the construction of the North Bridge Route in Warsaw, the extremely high water level of the Vistula River was the key disturbing factor. The article will explain whether the disruptions that occurred during the implementation of the investment were foreseeable and/or how could their negative impact be limited, so that they did not extend the implementation time and did not create additional investment costs. Actions will be divided to limit the impact of disruptions on the implementation of construction processes at the design and implementation stage of the investment by introducing flexibility.

11

Short-term wind power combined prediction based on EWT-SMMKL methods

Li Jun, Ma Liancai

Archives of Electrical Engineering

|

2021

|

Vol. 70, nr 4

801--817

EN

Since wind power generation has strong randomness and is difficult to predict, a class of combined prediction methods based on empirical wavelet transform (EWT) and soft margin multiple kernel learning (SMMKL) is proposed in this paper. As a new approach to build adaptive wavelets, the main idea is to extract the different modes of signals by designing an appropriate wavelet filter bank. The SMMKL method effectively avoids the disadvantage of the hard margin MKL method of selecting only a few base kernels and discarding other useful basis kernels when solving for the objective function. Firstly, the EWT method is used to decompose the time series data. Secondly, different SMMKL forecasting models are constructed for the sub-sequences formed by each mode component signal. The training processes of the forecasting model are respectively implemented by two different methods, i.e., the hinge loss soft margin MKL and the square hinge loss soft margin MKL. Simultaneously, the ultimate forecasting results can be obtained by the superposition of the corresponding forecasting model. In order to verify the effectiveness of the proposed method, it was applied to an actual wind speed data set from National Renewable Energy Laboratory (NREL) for short-term wind power single-step or multi-step time series indirectly forecasting. Compared with a radial basic function (RBF) kernel- based support vector machine (SVM), using SimpleMKL under the same condition, the experimental results show that the proposed EWT-SMMKL methods based on two different algorithms have higher forecasting accuracy, and the combined models show effectiveness.

12

Application of projection pursuit regression model for blasting vibration velocity peak prediction

Shi Jianjun, An Huaming, Wei Xin

Archives of Civil Engineering

|

2021

|

Vol. 67, nr 2

653--673

EN

Based on Projection Pursuit Regression Theory (PPRT), a projection pursuit regression model has been established for forecasting the peak value of blasting vibration velocity. The model is then used to predict the peak value of blasting vibration velocity in a tunnel excavation blasting in Beijing. In order to train and test the model, 15 sets of measured samples from the tunnel project are used as the input data. It is found that predicting results by projection pursuit regression model on the basis of the input data is much more reasonable than that predicted by the traditional Sodaovsk algorithm and modified Sodaovsk formula. The results show that the average predicting error of the projection pursuit regression model is 6.36%, which is closer to the measured values. Thus, the projection pursuit prediction model is a practical and reasonable tool for forecasting the peak value of blasting vibration velocity.

13

Ocena poziomu awaryjności przewodów wodociągowych z wykorzystaniem nowoczesnych metod uczenia maszyn

Kutyłowska Małgorzata

Technologia Wody

|

2020

|

Nr 1 (69)

20--27

PL

W pracy pokazano możliwości modelowania wskaźnika intensywności uszkodzeń oraz klasyfikacji rodzajów uszkodzeń przewodów wodociągowych za pomocą najnowszych narzędzi matematycznych, tzw. metod uczenia maszyn. Analizowano kilka wybranych algorytmów – metodę wektorów nośnych, metodę K-najbliższych sąsiadów, metodę drzew regresyjnych i klasyfikacyjnych. Dokonano modelowania poziomu awaryjności przewodów wodociągowych pod kątem jakościowym i ilościowym. Wykazano na podstawie badań, że wybrane metody regresyjne i klasyfikacyjne są odpowiednim narzędziem do analizy i oceny poziomu awaryjności przewodów wodociągowych, gdyż uzyskane wyniki modelowania są akceptowalne i mogą być podstawą do dalszych rozważań teoretycznych, wpływających na praktykę inżynierską. Zwrócono uwagę na walory aplikacyjne wybranych metod predykcyjnych, co może przyczynić się do racjonalnego zarządzania infrastrukturą podziemną. Ponadto przeprowadzone badania wskazały, że konieczne jest usystematyzowanie i grupowanie danych eksploatacyjnych rejestrowanych w przedsiębiorstwach wodociągowych, co w konsekwencji powinno prowadzić do większych możliwości wykorzystania gromadzonych informacji na potrzeby opracowywania modeli niezawodnościowych.

EN

The paper presents the possibilities of failure rate modelling and classification of kind of damage of water pipes using the newest mathematical approaches, so-called machine learning methods. Several selected algorithms were analysed – support vector machine method, K-nearest neighbours method, regression trees and classification trees. Quantitative and qualitative failure level modelling was carried out. On the basis of investigations it was demonstrated that selected regression and classification methods are suitable for analysis and assessment of failure level of water pipes. Obtained modelling results are acceptable and could be used for further theoretical considerations influencing the engineering practice. One can pay attention to application advantages of selected prediction methods which could be useful for rational management of buried infrastructure. Moreover, carried studies pointed out that proper arrangement of operational data registered in water utilities is necessary and should result in greater possibilities of using such information for construction of reliability models.

14

Daily streamfow prediction using support vector machine artifcial fora (SVM AF) hybrid model

Dehghani Reza, Torabi Poudeh Hassan, Younesi Hojatolah, Shahinejad Babak

Acta Geophysica

|

2020

|

Vol. 68, no. 6

1763--1778

EN

Precise estimation of river fow in catchment areas has a signifcant role in managing water resources and, particularly, mak ing frm decisions during food and drought crises. In recent years, diferent procedures have been proposed for estimating river fow, among which hybrid artifcial intelligence models have garnered notable attention. This study proposes a hybrid method, so-called support vector machine–artifcial fora (SVM-AF), and compares the obtained results with outcomes of wavelet support vector machine models and Bayesian support vector machine. To estimate discharge value of the Dez river basin in the southwest of Iran, the statistical daily watering data recorded by hydrometric stations located at upstream of the dam over the years 2008–2018 were investigated. Four performance criteria of coefcient of determination (R2 ), rootmean-square error, mean absolute error, and Nash–Sutclife efciency were employed to evaluate and compare performances of the models. Comparison of the models based on the evaluation criteria and Taylor’s diagram showed that the proposed hybrid SVM-AF with the correlation coefcient R2 = 0.933–0.985, root-mean-square error RMSE = 0.008–0.088 m3 /s, mean absolute error MAE = 0.004–0.040 m3 /s, and Nash-Sutclife coefcient NS = 0.951–0.995 had the best performance in estimating daily fow of the river. The estimation results showed that the proposed hybrid SVM-AF model outperformed other models in efciently predicting fow and daily discharge.

15

Forecasting and predicting in engineering tasks

Afanasyeva Olesya, Korostil Olga

Journal of KONBiN

|

2019

|

Vol. 49, iss. 3

421--431

EN

The work analyzes the tasks of solving problems, which consist in determining the events that may occur through some time after the completion of the process of solving the problem. One of the possible classifications of such tasks is proposed. The analysis of differences between different types of tasks is carried out, features of implementing the processes of their resolution are revealed. The paper considers in detail such types of tasks as prognosis and prediction. Differences are described between these processes with each other and the characteristics that determine each of the processes. The comparison of various types of processes in the overall forecasting process is presented.

PL

Tematem publikacji jest rozwiązywanie problemów polegających na określaniu zdarzeń, które mogą mieć miejsce po zakończeniu procesu rozwiązywania problemu. W artykule zaproponowano jedną z możliwych klasyfikacji takich zadań. Ponadto, przeprowadzono analizę różnic rozmaitych zadań. Przedstawiono także cechy wdrażania procesów ich rozwiązywania. W artykule szczegółowo rozważano takie rodzaje zadań, jak prognozowanie i przewidywanie. Opisano różnice między tymi procesami oraz cechy charakterystyczne, które określają każdy z wymienionych procesów. Przedstawiono porównanie różnych rodzajów procesów w całościowym procesie prognozowania.

16

Miasto przyszłości. Cz.1

Bonenberg W.

Builder

|

2018

|

R.22, nr 2

34--37

EN

The article presents ideas of the future city in the context of development trends of urban structures. The challenges faced by contemporary urban planning are discussed in the face of such problems as uncontrolled migration, social disorganization, space chaos, transportation problems, environmental degradation, urban sprawl, environmental pollution. Against this background future urban concepts are presented, which aim to improve the quality of life in cities.

17

Using artificial neural network (ANN) for prediction of sediment loads, application to the Mellah catchment, northeast Algeria

Bouzeria H., Ghenim A. N., Khanchoul K.

Journal of Water and Land Development

|

2017

|

no. 33

47--55

EN

In this study, we present the performances of the best training algorithm in Multilayer Perceptron (MLP) neural networks for prediction of suspended sediment discharges in Mellah catchment. Time series data of daily suspended sediment discharge and water discharge from the gauging station of Bouchegouf were used for training and testing the networks. A number of statistical parameters, i.e. root mean square error (RMSE), mean absolute error (MAE), coefficient of efficiency (CE) and coefficient of determination (R2) were used for performance evaluation of the model. The model produced satisfactory results and showed a very good agreement between the predicted and observed data. The results also showed that the performance of the MLP model was capable to capture the exact pattern of the sediment discharge data in the Mellah catchment.

PL

W niniejszej pracy przedstawiono działanie najlepszego algorytmu sieci neuronowych z użyciem wielowarstwowego perceptronu do przewidywania odpływu zawiesiny ze zlewni rzeki Mellah. Do treningu i testowania sieci użyto serii czasowych dobowego odpływu zawiesiny i odpływu wody z profilu wodowskazowego Bouchegouf. Do oceny działania modelu wykorzystano szereg parametrów statystycznych, takich jak pierwiastek ze średniego błędu kwadratowego, średni błąd bezwzględny, współczynnik wydajności i współczynnik determinacji. Model dawał zadowalające wyniki i wykazywał bardzo dobrą zgodność między obserwowanymi i przewidywanymi danymi. Wyniki świadczą także, że model jest w stanie wychwycić szczegółowy wzorzec odpływu zawiesiny ze zlewni rzeki Mellah.

18

Support vector machines and neural networks for forecasting of failure rate of water pipes

Kutyłowska M.

Proceedings of ECOpole

|

2016

|

Vol. 10, No. 1

41--46

EN

The failure rate of water pipes was predicted using support vector machines (SVMs) and artificial neural networks (ANNs). Both algorithms are regression methods of so called machine learning. Operational data from the time span 2001-2012 were used for forecasting purposes. The length, diameter and year of construction of the distribution pipes and the house connections were treated as the independent variables. The computations were carried out using the Statistica 12.0 software.

PL

Wskaźnik awaryjności przewodów wodociągowych przewidywano za pomocą metody wektorów nośnych (SVM) i sztucznych sieci neuronowych (SSN). Oba algorytmy należą do metod regresyjnych, nazywanych metodami uczenia maszyn. Dane eksploatacyjne z lat 2001-2012 zostały wykorzystane w celach predykcji. Długość, średnica i rok budowy przewodów rozdzielczych i przyłączy były zmiennymi niezależnymi. Obliczenia przeprowadzono w programie Statistica 12.0.

19

Prognozowanie rzeczywistego zużycia mieszanki betonowej do wykonania ścian szczelinowych metodą uogólnionych modeli addytywnych GAM

Rogalska M.

Materiały Budowlane

|

2016

|

nr 6

88--89

PL

W artykule przedstawiono wyniki pracy, której celem było wyznaczenie wzoru regresyjnego do obliczania rzeczywistego zużycia mieszanki betonowej podczas wykonania ścianek szczelinowych. Zużycie prognozowano, wykorzystując metodę uogólnionych modeli addytywnych z logarytmiczną funkcją wiążącą. Wykonano test Shapiro-Wilka sprawdzający normalność rozkładów, weryfikację prawidłowości wyznaczonego równania regresji wykonano, obliczając błąd MAPE prognozy oraz analizując szereg resztowy, wyznaczając funkcje autokorelacji i autokorelacji cząstkowych reszt. W wyniku obliczeń otrzymano wzór regresyjny pozwalający wyznaczać rzeczywiste zużycie mieszanki betonowej podczas wykonywania ścianek szczelinowych. Na przykładzie realizacji analizowanego obiektu obliczono koszt nieuwzględnienia rzeczywistego zużycia mieszanki betonowej.

EN

In article are presented the results of the work, which has the aim to determine the regression formula for calculating the actual consumption of the concrete mix during the execution of diaphgram walls. Consumption of concrete mix was predicted using the method of generalized additive models with a logarithmic function of binding. Shapiro-Wilk test for normality distributions are made, the verification of the correctness of a designated regression equations were made calculating the forecast MAPE mistake and analyzing a number of the residual, setting the autocorrelation function and partial autocorrelation of residuals. The calculations were obtained regressive formula enabling determination of the actual consumption of the concrete mix during the performance of diaphgram walls. Calculated cost does not take into account the actual consumption of the concrete mix to the embodiment of the analyzed object.

20

Przewidywanie wczesnych wytrzymałości betonów na cementach wieloskładnikowych według Eurokodu 2

Klemczak B., Batog M.

Inżynieria i Budownictwo

|

2015

|

R. 71, nr 3

142--145

PL

Przedstawiono wyniki badań wytrzymałości na ściskanie betonów wykonanych na cementach wieloskładnikowych. Zawartość dodatków mineralnych (popiołu lotnego krzemionkowego i żużla wielkopiecowego) w zastosowanych cementach wynosiła od 27,1 do 67,7%. Badano betony w wieku 1, 2, 7, 28, 56 i 90 dni. Wytrzymałość betonu uzyskaną z badań porównano z wytrzymałością wyznaczoną na podstawie funkcji określającej rozwój wytrzymałości betonu, proponowanej w Eurokodzie 2.

EN

The article reports on the development of compressive strength of concretes made of blended cements. The content of mineral additives (siliceous fly ash and ground granulated blast furnace slag) in the applied cements ranged from 27.1% to 67.7%. The compressive strength were tested after 1, 2, 7, 28, 56 and 90 days of concrete curing. The results of experimental tests were compared with time-dependent model describing the development of concrete strength in time, which is proposed by Eurocode 2.