Przeanalizowano tendencje zmian w czasie oraz powiązania parametrów meteorologicznych (temperatura, opady, zachmurzenie, prędkość wiatru) oraz zanieczyszczeń powietrza (tlenki azotu, ozon troposferyczny, pył zawieszony PM10 i PM2,5) w Poznaniu w latach 2012-2022. Za pomocą modelu ARIMA podjęto również próbę predykcji poziomów zanieczyszczeń powietrza do 2025 roku. Wykazano występowanie tendencji zmian w czasie i zależności pomiędzy parametrami meteorologicznymi oraz zanieczyszczeniami powietrza w Poznaniu w latach 2012-2022. W szczególności zwrócono uwagę na występowanie sezonowości podwyższonych stężeń zanieczyszczeń powietrza oraz pewne tendencje w przedziałach czasowych. Sezonowość ma związek z występującymi porami roku oraz źródłami zanieczyszczeń w nich dominującymi (np. transport, ogrzewanie mieszkań). Z kolei tendencje w przedziałach czasowych powiązane są m.in. z ograniczeniami wynikającymi z pandemii COVID-19 oraz działaniami podjętymi przez indywidualne gospodarstwa domowe i lokalne samorządy. Wskazuje to na celowość podejmowania wysiłków przez społeczeństwo i samorządy w ograniczaniu emisji zanieczyszczeń powietrza w naszym bezpośrednim otoczeniu.
EN
The analysis of time changes and relations between meteorological parameters (temperature, precipitation, cloudy, wind speed) and air pollution (nitrogen oxides, tropospheric ozone, particulate matter PM10 and PM 2.5) in Poznań in 2012-2022. With the aid of ARIMA model the prediction of air pollution level until 2025 has also been performed. The time changes and relations between meteorological parameters and air pollution in 2012-2022 in Poznań have been found. Special attention has been paid to the seasonality of elevated air pollutants concentrations and some tendencies in time periods. The seasonality is mainly related to the seasons of the year and air pollution sources dominant for certain seasons (e.g. transportation, house heating systems). While the longer time period tendencies are in relation in such activities as limitation resulted from COVID-19 pandemic situation and activities conducted by local governments and individual household to reduce air pollution emissions. This indicates the purposefulness of efforts made by society and local governments to reduce air pollution emissions in our immediate surroundings.
Artykuł obejmuje przegląd wybranych zagadnień związanych z analizą i predykcją szeregów czasowych zawierających dane z notowaniami giełdowymi. Przedstawiona została taksonomia szeregów czasowych oraz scharakteryzowane główne kierunki spotykane w analizie danych giełdowych. Szerzej opisane zostały wybrane narzędzia analizy technicznej. W kolejnych rozdziałach dokonany został przegląd wybranych metod uczenia maszynowego, zarówno metod algorytmicznych jak i metod wykorzystujących sieci neuronowe, przydatnych w analizie i predykcji szeregów czasowych.
EN
The article provides an overview of selected problems related to the analysis and prediction of time series containing stock market data. The taxonomy of time series is presented, and the main directions encountered in the analysis of financial data are characterized. Selected tools of technical analysis are described in more detail. Subsequent chapters provide a review of selected machine learning methods, divided into a section on algorithmic methods and a section on neural networks useful in the analysis and prediction of time series.
3
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
W artykule przedstawiono wyniki badań laboratoryjnych dla układu filtru aktywnego sterowanego predykcyjnie ze sprzężeniem od prądu zasilającego. Jakość kompensacji harmonicznych prądu realizowana przez badany układ została porównana z poziomem kompensacji tych prądów osiąganym w układzie otwartym oraz układem łączącym w sobie zalety obydwu układów w jednym algorytmie. Badania laboratoryjne przeprowadzono dla pracy filtru z mocą mniejszą ni ż znamionowa, a tak ˙ze dla przypadku braku kompensacji czasów martwych w układzie.
EN
The article presents the results of laboratory tests conducted for a shunt active power filter with predictive feedback control from the supply current. The quality of current harmonics compensation performed by the tested system has been compared with the level of compensation of these currents achieved in open-loop control system and the system combining the advantages of both systems in one algorithm. Laboratory tests have been conducted for operations of the filter with power lower than the rated power as well as for the lack of compensation of dead times in the system.
4
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Analiza predykcyjna jest procesem wydobywania informacji z zebranych wcześniej danych, celem przewidywania przyszłych trendów i zdarzeń. Wykonane badania mają na celu zbudowanie modelu predykcyjnego wspomagającego pracę systemów urządzeń elektrycznego ogrzewania rozjazdów kolejowych (eor). W artykule opisano wykorzystanie klasyfikatorów k-NN oraz drzewa decyzyjne w celu predykcji stanu pracy urządzeń eor.
EN
Predictive analytics is the process of extracting information from previously collected data in order to anticipate future trends and events. The research carried out is aimed at building a predictive model supporting the operation of electrical heating devices for railway junctions (eor). The article describes the use of k-NN classifiers and decision trees to predict the operating state of eor devices.
W artykule omówiono wybrane wdrożone rozwiązania produkcji Elektrometal Energetyka S.A., wspomagające bezpieczeństwo i niezawodność urządzeń elektroenergetycznych SN, takie jak: zabezpieczenia łukoochronne i od ferrorezonansu oraz algorytmy predykcyjne do wykrywania uszkodzeń silników.
EN
The article discusses selected implemented solutions produced by Elektrometal Energetyka SA supporting the safety and reliability of MV power equipment, such as: arc protection and ferroresonance protection as well as predictive algorithms for detecting motor damage.
Jednym z najistotniejszych i najbardziej wymagających zagadnień występujących w ramach inżynierii przedsięwzięć budowlanych jest problem opóźnień w realizacji przedsięwzięć budowalnych. Znaczna liczba czynników ryzyka niezbędnych do uwzględnienia oraz stopień skomplikowania opisu ich wpływu na poszczególne procesy przedsięwzięcia budowlanego sprawiają, że zagadnienie predykcji czasów realizacji procesów i przedsięwzięć budowlanych jest zagadnieniem trudnym. W odpowiedzi na dostrzeżony problem opracowano metodę agregacji ocen decydentów za pomocą rozmytej obwiedni typu 2 rozszerzonego wahającego się rozmytego zbioru terminów lingwistycznych służącą predykcji czasów realizacji procesów budowlanych. W proponowanym podejściu decydenci mogą wyrażać swoje oceny poprzez porównywanie parami, tak jak ma to miejsce w powszechnie akceptowanej metodzie AHP. Decydenci mogą wyrażać swoje preferencje tak swobodnie, jak to możliwe, za pomocą wyrażeń językowych zamiast wartości liczbowych, co jest bliższe ludzkiej kognitywistce i naturze. Decydenci nie muszą ograniczać się do wyrażania preferencji za pomocą pojedynczych słów, mogą używać całych wyrażeń dostarczonych przez zdefiniowaną gramatykę. W celu zobrazowania funkcjonowania metody wykonano predykcję czasów realizacji przykładowego przedsięwzięcia budowlanego z wykorzystaniem opracowanej metody.
EN
One of the most important and challenging issues occurring in construction project engineering is the problem of delays in the execution of construction projects. The significant number of risk factors necessary to take into account and the complexity of describing their impact on the various processes of a construction project make the issue of predicting the execution times of construction processes and projects a difficult one. In response to the perceived problem, a method of aggregating decision makers' assessments using a fuzzy envelope type-2 extended hesitant fuzzy set of linguistic terms was developed for predicting the execution times of construction processes. In the proposed approach, decision makers can express their evaluations through pairwise comparisons, as in the widely accepted AHP method. Decision makers can express their preferences as freely as possible using linguistic expressions instead of numerical values, which is closer to human cognition and nature. Decision makers do not have to limit themselves to expressing preferences with single words, they can use whole expressions provided by a defined grammar. In order to illustrate how the method works, a prediction of the execution times of an example construction project was made using the developed method.
W pracy przedstawiono relacje pomiędzy cenami, popytem i podażą na rynku rowerów elektrycznych, opisywane przez model pajęczyny. Celem pracy była analiza rozkładów prawdopodobieństwa cen, popytu i podaży oraz symulacja dalszego rozkładu popytu i podaży przy wykorzystaniu programu Statistica. Dodatkowo, ze względu na sezonowość rynku rowerów elektrycznych, przeprowadzono predykcję cen rowerów na kolejne okresy za pomocą modelu trendu z wahaniami periodycznymi.
EN
The paper presents the relationships between prices, demand and supply in the electric bicycle market, which are described by spider web model. The aim of the work is to analyse the probability distributions of price, demand and supply and to simulate further distribution of demand and supply using Statistica software. In addition, due to the seasonality of the e-bike market, a prediction of e-bike prices for subsequent periods is conducted using a trend model with periodical fluctuations.
8
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Wraz z koncepcją Przemysłu 4.0 predykcyjne utrzymanie ruchu staje się coraz popularniejsze. Głównym celem predykcji jest przewidywanie przyszłych stanów awaryjnych maszyn i procesów, bazując na znajomości stanów przeszłych oraz obecnych.
The application of machine learning algorithms in petroleum geology has opened a new chapter in oil and gas exploration. Machine learning algorithms have been successfully used to predict crucial petrophysical properties when characterizing reservoirs. This study utilizes the concept of machine learning to predict permeability under confining stress conditions for samples from tight sandstone formations. The models were constructed using two machine learning algorithms of varying complexity (multiple linear regression [MLR] and random forests [RF]) and trained on a dataset that combined basic well information, basic petrophysical data, and rock type from a visual inspection of the core material. The RF algorithm underwent feature engineering to increase the number of predictors in the models. In order to check the training models’ robustness, 10-fold cross-validation was performed. The MLR and RF applications demonstrated that both algorithms can accurately predict permeability under constant confining pressure (R2 0.800 vs. 0.834). The RF accuracy was about 3% better than that of the MLR and about 6% better than the linear reference regression (LR) that utilized only porosity. Porosity was the most influential feature of the models’ performance. In the case of RF, the depth was also significant in the permeability predictions, which could be evidence of hidden interactions between the variables of porosity and depth. The local interpretation revealed the common features among outliers. Both the training and testing sets had moderate-low porosity (3–10%) and a lack of fractures. In the test set, calcite or quartz cementation also led to poor permeability predictions. The workflow that utilizes the tidymodels concept will be further applied in more complex examples to predict spatial petrophysical features from seismic attributes using various machine learning algorithms.
EN
Zastosowanie algorytmów uczenia maszynowego w geologii naftowej otworzyło nowy rozdział w poszukiwaniu złóż ropy i gazu. Algorytmy uczenia maszynowego zostały z powodzeniem wykorzystane do przewidywania kluczowych właściwości petrofizycznych charakteryzujących złoże. W pracy zastosowano metody uczenia maszynowego do przewidywania przepuszczalności w warunkach ustalonego ciśnienia złożowego dla formacji zwięzłych piaskowców typu tight gas. Modele zostały skonstruowane przy użyciu algorytmów o różnym stopniu komplikacji (wielowymiarowa regresja liniowa – MLR i lasy losowe – RF), a następnie poddano je procesowi uczenia na danych zawierających podstawowe informacje o otworze, podstawowe parametry petrofizyczne oraz typ skał pochodzący z makroskopowego i mikroskopowego opisu próbek rdzeni. Typ skał został rozkodowany i poddany procesowi inżynierii cech, aby wydobyć dodatkowe zmienne do modelu. Proces uczenia na zbiorze treningowym został przeprowadzony z wykorzystaniem 10-krotnej kroswalidacji. Uzyskane wyniki pokazują, że oba algorytmy mogą przewidywać przepuszczalność z dużą dokładnością (R2 = 0,800 dla MLR vs R2 = 0,834 dla RF). Dokładność modelu RF jest około 3% lepsza niż MLR i około 6% lepsza w porównaniu do modelu referencyjnego (model regresji liniowej z jedną zmienną – porowatością). W przypadku obu modeli porowatość była najistotniejszym parametrem przy przewidywaniu przepuszczalności. Dodatkowo w modelu wykorzystującym lasy losowe istotną cechą okazała się głębokość próbki, co może świadczyć o dodatkowych interakcjach pomiędzy zmiennymi. Cechą wspólną próbek w zbiorze treningowym i testowym, dla których modele zadziałały ze słabą skutecznością, były porowatość od 3% do 10% i brak spękań. Dodatkowo w zbiorze testowym niska dokładność przewidywań przepuszczalności była związana z obecnością cementacji kalcytem i kwarcem. Workflow wykorzystujący stan wiedzy dotyczącej modelowania, którego trzon stanowi pakiet tidymodels, będzie dalej stosowany do prognozowania przestrzennych właściwości petrofizycznych na podstawie atrybutów sejsmicznych.
The article in the introduction presents a brief description of the decision tree, and the purpose of the article was defined. Then, the process of building boosting trees was characterized, paying attention to the algorithm of their building. A method of building boosting trees for UZRGM fuzes is described. The assortment of fuzes in which this type of fuze is used is indicated, and the individual features of the fuze are presented, which are checked during laboratory diagnostic tests. The importance classes that were used to classify the revealed inconsistencies were also described. A boosting classification tree for UZRGM fuzes was designed and built. An exemplary graph of the built tree and its structure and also a fragment of specific values predicted in individual analyzed classes are shown. The matrix of incorrect classifications was determined, which determines the accuracy of the incorrect predictions. On selected examples of the analyzed classes, the designed model was assessed on the basis of the lift chart and gains chart.
PL
We wstępie przedstawiono krótki opis drzew decyzyjnych oraz określono cel artykułu. Następnie, scharakteryzowano proces budowy wzmacnianych drzew, zwracając uwagę na algorytm ich budowy. Opisano metodę budowy drzew wzmacnianych dla zapalników typu UZRGM. Wskazano asortyment, w którym stosowane są tego typu zapalniki, oraz przedstawiono poszczególne cechy zapalnika, które sprawdzane są podczas prowadzonych laboratoryjnych badań diagnostycznych. Opisano również klasy ważności, które zostały zastosowane do klasyfikacji ujawnianych niezgodności. Zaprojektowano oraz zbudowano wzmacniane drzewo klasyfikacyjne dla zapalników typu UZRGM. Pokazano przykładowy wykres zbudowanego drzewa oraz jego strukturę, a także fragment określonych wartości przewidywanych w poszczególnych analizowanych klasach. Określono macierz błędnych klasyfikacji, która określa trafność błędnych predykcji. Na wybranych przykładach analizowanych klas, oceniono zaprojektowany model na podstawie wykresu przyrostu i wykresu zysku.
Tematem artykułu jest predykcja wielkości sprzedaży w firmie informatycznej Comarch, obliczona metodą wyrównywania wykładniczego z wykorzystaniem jednoparametrowego modelu Browna na bazie przeprowadzonych badań teoretycznych i empirycznych. Głównym celem podjętych badań było obliczenie prognoz na kolejne dwa kwartały (trzeci i czwarty) 2020 r. na podstawie uzyskanych danych empirycznych z lat 2016–2020. Natomiast problem badawczy dotyczył właściwego wykorzystania modelu Browna do prognozowania wielkości sprzedaży z zamiarem otrzymania dokładniejszej prognozy. Ujęcie teoretyczne i praktyczne problemu badań pozwoliło na podjęcie próby uporządkowania obszaru wiedzy związanego z prognozowaniem modelem Browna, w tym głównie z wygładzaniem szeregu czasowego metodą wyrównywania wykładniczego.
EN
The topic of the article is a prediction of sales volume in the IT company Comarch calculated with the method of exponential equalization using a one-parameter Brown model on the basis of conducted theoretical and empirical research. The main objective of the undertaken research was to calculate predictions for the next two quarters (third and fourth) of 2020, on the basis of obtained empirical data from 2016–2020. On the other side, the research problem concerned the proper use of the Brown model for predicting sales volumes, in order to obtain a more precise prediction. The theoretical and practical approach to the problem of research made it possible to attempt to organize the area of knowledge related to Brown's model prediction, including mainly the smoothing of the time series using the exponential equalization method.
The process of garment production has always been a black box. The production time of different clothing is different and has great changes, thus managers cannot make a production plan accurately. With the world entering the era of industry 4.0 and the accumulation of big data, machine learning can provide services for the garment manufacturing industry. The production cycle time is the key to control the production process. In order to predict the production cycle time more accurately and master the production process in the garment manufacturing process, a neural network model of production cycle time prediction is established in this paper. Using a trained neural network to predict the production cycle time, the overall error of 6 groups is within 5%, and that of 3 groups is between 5% and 10%. Therefore, this neural network can be used to predict the future production cycle time and predict the overall production time of clothing.
PL
Czas produkcji różnych ubrań jest inny i podlega dużym zmianom, dlatego menedżerowie nie mogą dokładnie zaplanować produkcji. Wraz z wkroczeniem świata w erę przemysłu 4.0 i gromadzeniem dużych zbiorów danych dobrym rozwiązaniem dla przemysłu odzieżowego jest zastosowanie maszyn uczących się. Czas cyklu produkcyjnego jest kluczem do kontroli procesu produkcyjnego. W celu dokładniejszego przewidywania czasu cyklu produkcyjnego i opanowania procesu produkcyjnego w procesie produkcji odzieży, w artykule opracowano model sieci neuronowej do przewidywania czasu cyklu produkcyjnego. Do przewidywania czasu cyklu produkcyjnego użyto sieci neuronowej, ogólny błąd 6 grup mieścił się w granicach 5%, a 3 grup – między 5% a 10%. W związku z tym zaprezentowana sieć neuronowa może znaleźć zastosowanie w przewidywaniu czasu cyklu produkcyjnego i całkowitego czasu produkcji odzieży.
14
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
W artykule przedstawiono wpływ uwarunkowań rzeczywistych na pracę równoległego filtru aktywnego i zdolność kompensacji prądów harmonicznych. Zbadano wpływ opóźnień czasowych wynikających z implementacji cyfrowej sterowania, wpływ impedancji zwarciowej sieci zasilającej oraz błędów generowania napięcia przekształtnika na jakość kompensacji filtru. Badania symulacyjne przeprowadzono dla trzech układów sterowania: zamkniętego, otwartego i łączącego cechy obydwóch z nich.
EN
The article presents the impact of real determinants on the operation of parallel active filter and the ability of harmonic currents compensation. The article examines the influence of time delays resulting from the implementation of the digital control, the influence of the shortcircuit impedance of the power supply network and errors in generating the inverter voltage on the quality of the compensating effectiveness. Simulation tests were carried out for three control strategies: closed loop control, open loop control and control strategy combining features of both of them.
Dzięki zastosowanym narzędziom i stworzonym rozwiązaniom informatycznym, model hydrauliczny sieci wodociągowej w mieście Opole jest wykorzystywany od blisko 10 lat w celach predykcji zachowania wody w sieci, stosownie do założonych scenariuszy.
Metodyka automatycznego odkrywania wiedzy o procesach wytwarzania i przetwarzania metali obejmuje problemy związane z (1) akwizycją danych i integracją ich w aspekcie dalszej eksploracji, (2) doborem i adaptacją metod uczenia maszynowego ― indukcji reguł, predykcji zmiennych ilościo wych i jakościowych, (3) formalizacją wiedzy w odpowiednich reprezentacjach: regułowej, zbiorów rozmytych, zbiorów przybliżonych czy wreszcie logiki deskrypcyjnej oraz (4) integracją wiedzy w repozytoriach opisanych modelami semantycznymi, czyli ontologiami. Autor przedstawił możliwość osiągnięcia równowagi pomiędzy wygodą użytkowania a precyzją w przypadku pozyskiwania wiedzy z małych zbiorów. Badania wykazały, że drzewa decyzyjne są wygodnym narzędziem odkrywania wiedzy i dobrze radzą sobie z problemami silnie nieliniowymi, a wprowadzenie dyskretyzacji poprawia ich działanie. Zastosowanie metod analizy skupień umożliwiło też wyciąganie bardziej ogólnych wniosków, przez co udowodniono tezę, że granulacja informacji pozwala znaleźć wzorce nawet w małych zbiorach danych. Opracowano w ramach badań procedurę postępowania w analizie małych zbiorów danych eksperymentalnych dla modeli multistage, multivariate & multivariable, co może w znacznym stopniu uprościć takie badania w przyszłości.
EN
The methodology of automatic knowledge discovery about metal production and processing processes includes problems related to (1) data acquisition and integration in the aspect of further exploration, (2) selection and adaptation of machine learning methods - rule induction, quantitative and qualitative variable prediction, (3) formalization knowledge in appropriate representations: rule, fuzzy sets, rough sets and finally descriptive logic, and (4) integration of knowledge in repositories described by semantic models or ontologies. The author presented the possibility of achieving a balance between ease of use and precision when acquiring knowledge from small collections. Research has shown that decision trees are a convenient tool for discovering knowledge and that they deal well with strongly non-linear problems, and the introduction of discretization improves their operation. The use of cluster analysis methods also made it possible to draw more general conclusions, which proved the thesis that granulation of information allows finding patterns even in small data sets. As part of the research, a procedure was developed for analyzing small experimental data sets for multistage, multivariate & multivariable models, which can greatly simplify such research in the future.
The execution of production processes in real manufacturing systems is associated with the occurrence of numerous disruptions, which predominantly revolve around technological machine failure. Therefore, various maintenance strategies are being developed, many of which tend to emphasise effective preventive measures, such as the Time-Based Maintenance (TBM) discussed in this paper. Specifically, this publication presents the time-based machine failure prediction algorithm for the multi-machine manufacturing environment. The Introduction section outlines the body of knowledge related to typical strategies applied in maintenance. The next part describes an approach to failure prediction that treats processing times as makespan and is followed by highlighting the key role of historical data in machine failure management, in the subsequent section. Finally, the proposed time-based machine failure prediction algorithm is presented and tested by means of a two-step verification, which confirms its effectiveness and further practical implementation.
PL
Realizacja procesów produkcyjnych w rzeczywistych systemach wytwórczych wiąże się z występowaniem wielu zakłóceń, do których zalicza się głównie awarie maszyn technologicznych. W związku z tym obserwowany jest rozwój różnorodnych strategii utrzymania ruchu. Coraz większy nacisk kładziony jest na efektywne działania prewencyjne, do których zalicza się także działania określone w czasie (ang. Time-Based Maintenance – TBM). W niniejszej publikacji zaprezentowano algorytm predykcji awarii maszyn w wielomaszynowych systemach wytwórczych wspierający prewencyjne utrzymanie ruchu. Na wstępie omówiono zagadnienia związane z typowymi strategiami stosowanymi w obszarze UR. Ponadto omówiono tematykę predykcji awarii, zwracając uwagę na ujęcie czasu pracy maszyny jako czasu trwania, a także kluczową rolę wykorzystania danych historycznych dotyczących awarii maszyn. Następnie zaprezentowano proponowany algorytm predykcji wspierający działania określone w czasie. Prezentowane prace zakończono dwuetapową weryfikacją proponowanej metody, która potwierdziła jej skuteczność oraz zasadność wykorzystania.
Produkcja budowlana jest jedną z najbardziej wypadkowych – zarówno w kraju, jak i na całym świecie, o czym świadczą badania naukowe oraz liczne statystyki i raporty. O ile liczne statystyki powypadkowe są cennym źródłem danych o wypadkach, o tyle znacznie cenniejsze dla zarządzających bezpieczeństwem na budowie i zajmujących się planowaniem robót są proste w interpretacji modele, pozwalające przewidywać zagrożenia i oceniać ich skutki. Badania w tym obszarze prowadzą m.in. [1,2,3,4,5,17,18]. W pracy skoncentrowano się na zagadnieniu długości nieobecności powypadkowej pracownika. Jest ona bowiem nie tylko uciążliwa dla pracodawcy z przyczyn organizacyjnych, ale także świadczy, co potwierdza [4,5], o poziomie bezpieczeństwa na budowie. W artykule skupiono się na analizie możliwości predykcji czasu trwania powypadkowej absencji pracownika przy użyciu drzew decyzyjnych i ich rodzin. Przedmiotem rozważań jest zatem N-elementowy zbiór U obserwacji – tj. odnotowanych wypadków w pracy. Każdą obserwację należącą do zbioru U charakteryzuje wektor [xi1, xi2, …, xiL, yi] tzw. atrybutów obserwacji. Wyróżniamy L atrybutów objaśniających (tzw. predyktorów): X1,…, XL oraz 1 atrybut objaśniany Y. Zmienne xi1, xi2, …, xiL , yi opisują wartości atrybutów i-tej obserwacji. Reprezentację zbioru U można zatem zapisać jako równanie (2.1). Dysponując określonym zbiorem obserwacji U, chcemy znaleźć relację pomiędzy długością powypadkowej absencji pracownika Y a okolicznościami wystąpienia wypadku X=[X1,…, XL] w postaci modelu.
EN
Work safety control and analysis of accidents during the construction performance are some of the most important issues of the construction management. The paper focuses on the post-accident absence as an element of the occupational safety management. The occurrence of the post-accident absence of workers can be then treated as an indicator of building performance safety. The ability to estimate its length can also facilitate works planning and scheduling in case of the accident. The paper attempts to answer the question whether it is possible and how to use decision trees and their ensembles to predict the severity of the post-accident absence and which classification algorithm is the most promising to solve the prediction problem. The paper clarifies the model of the prediction problem, introduces 5 different decision tress and different aggregation algorithms in order to build the model. Thanks to the use of aggregation methods it is possible to build classifiers that predict precisely and do not require any initial data treatment, which simplifies the prediction process significantly. To identify the most promising classifier or classifier ensemble the prediction accuracy measures of selected classification algorithms were analyzed. The data to build the model was gathered on national (Polish) construction sites and was taken from literature. Models obtained within simulations can be used to build advisory or safety management systems allowing to detect threats while construction works are being planned or carried out.
19
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Artykuł przedstawia nowatorską strategię predykcyjnego sterowania równoległym energetycznym filtrem aktywnym (EFA). Proponowane sterowanie zawiera sprzężenie zwrotne od prądu zasilającego i wiąże zalety sterowania w układzie otwartym oraz zamkniętym – szybkość reakcji na zmianę prądu odbioru i bardzo wysoką skuteczność kompensacji. Wysoka jakość prądu kompensacyjnego wynika również z zastosowania w sterowaniu algorytmów predykcyjnych, a także z faktu przyłączenia przekształtnika do sieci poprzez obwód LCL. W artykule przedstawiono wyniki badań symulacyjnych proponowanego algorytmu sterowania.
EN
The paper presents a novel strategy of predictive control for shunt active power filter (APF). The proposed control includes feedback from the supply current and combines the advantages of control in an open and closed loop- the transient response speed after changing the load current and a very high compensation efficiency. The high quality of the compensation current also results from the use of predictive algorithms in the control, as well as from the fact of connecting the converter to the network via the LCL circuit. The article presents the results of simulation tests of the proposed control algorithm.
The issue of projecting the air pollution levels is quite essential from the viewpoint of the necessity to adopt specific prevention measures intended to reduce the pollution concentration in the air. One can apply certain machine learning methods, including neural networks, to build pollution concentration models. Neural networks are characterised by the fact that they can be used to solve the relevant problem when we face shortage of data, or we do not know the analytical relationship between input and output data. Consequently, neural networks can be applied in a number of problems. This paper discusses a possibility to apply neural networks to the prediction of selected gas concentrations in the air, based on the data originating from the measurement networks of the Polish State Environmental Monitoring System, combined with local meteorological data. Forecast results have been presented here for SO2, NO, NO2, and O3 in various locations. The author also discusses the accuracy of the respective forecasts and indicates the relevant contributing factors.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.