Analiza predykcyjna danych pomiarowych wykorzystywanych w systemach nadzorujących pracę urządzeń elektrycznego ogrzewania rozjazdów kolejowych

• Autorzy: Wachtarczyk Artur , Sowiński Janusz

Identyfikatory

DOI

10.15199/48.2023.11.46

Warianty tytułu

EN

Predictive analysis of measurement data used in systems supervising the operation of electric heating devices at railway junctions

• Języki publikacji: PL

Abstrakty

PL

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.

Słowa kluczowe

PL

predykcja; nagrzewanie; klasyfikator k-NN; drzewo decyzyjne

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2023
• Tom: R. 99, nr 11
• Strony: 245--248
• Opis fizyczny: Bibliogr. 8 poz., rys.

Twórcy

autor

Wachtarczyk Artur

• Politechnika Częstochowska, Katedra Elektroenergetyki, Al. Armii Krajowej 17,42-200 Częstochowa

autor

Sowiński Janusz

• Politechnika Częstochowska, Katedra Elektroenergetyki, Al. Armii Krajowej 17,42-200 Częstochowa

• https://orcid.org/0000-0002-1629-4977

Bibliografia

• [1] Wytyczne do projektowania urządzeń elektrycznego ogrzewania rozjazdów PKP Polskie Linie Kolejowe S.A. – Instrukcja Iet-5, Warszawa, (2015)
• [2] Suthaharan S., Machine Learning Models and Algorithms for Big Data Classification, (2015), Springer New York, NY
• [3] Everitt B. S., Landau S., Leese M., Stahl D., Miscellaneous Clustering Methods, in Cluster Analysis, 5th Edition (2011), John Wiley & Sons, Ltd., Chichester, UK
• [4] Aggarwal C.C. (Ed.), Data Classfication. Algorithms and Application, (2020), Chapman & Hall/CRC
• [5] Nguyen H.S., Systemy decyzyjne, Uniwersytet Warszawski, 2011, https://mst.mimuw.edu.pl/lecture.php?lecture=syd
• [6] Fürnkranz J., Decision Tree, in: Sammut C., Webb G.I. (Eds.) Encyclopedia of Machine Learning, (2011), Springer, Boston, MA, pp 263–267
• [7] Zhang S., Li X., Zong M., Zhu X., Wang R., Efficient kNN Classification With Different Numbers of Nearest Neighbors, in IEEE Transactions on Neural Networks and Learning Systems, vol. 29, no. 5 (2018), pp. 1774-1785
• [8] K-nearest neighbors algorithm, Wikipedia, https://en.wikipedia.org/wiki/K-nearest_neighbors_algorithm (access 25 April 2023)

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki i promocja sportu (2025).