Wykorzystanie sieci neuronowych do analizy danych i pozyskiwania wiedzy w systemie ekspertowym do oceny parametrów benzyn silnikowych

• Autorzy: Tadeusiewicz R. , Haduch B.

Warianty tytułu

EN

The use of neural networks for data analysis and knowledge acquisition in an expert system designed to evaluate parameters of motor gasoline

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono możliwość wykorzystania sieci neuronowych do analizy danych i tworzenia struktur mogących samodzielnie przetwarzać dane. Rozważania oparto na przykładzie systemów zdolnych do interpretowania zależności pomiędzy składem chromatograficznym benzyny silnikowej a wielkościami opisującymi jej nieaddytywne parametry jakościowe (LOM, LOB, DVPE, E70, E100). Przeprowadzone badania wskazują, że modele opracowane na bazie sieci neuronowych także w tym przypadku sprawdzają się jako dobre narzędzie predykcyjne i mogą być podstawą do tworzenia systemów ekspertowych. Te systemy natomiast mogą w przyszłości stać się ważnym elementem w strukturach kognitywnych wspomagających zarządzanie procesem produkcji paliw w warunkach czasu rzeczywistego.

EN

The paper presents the possibility of using neural networks to analyze data and create structures which can independently process the data. Considerations based on the example of systems capable of interpreting the relationship between the individual chromatographic composition of motor gasoline and non-additive values that describe its quality parameters (RON, MON, DVPE, E70, E100). The study indicates that the models developed based on neural networks are suited predictive tools in this case as well and can be the basis of expert systems. In turn, these expert systems have the potential to become an important element in the cognitive structure of management support fuel production process in real-time conditions.

Słowa kluczowe

PL

sieci neuronowe; sztuczna inteligencja; predykcja nieaddytywnych właściwości benzyn; systemy ekspertowe

EN

neural networks; artificial intelligence; prediction of non-additive gasoline properties; expert systems

• Wydawca: Instytut Nafty i Gazu - Państwowy Instytut Badawczy
• Czasopismo: Nafta-Gaz
• Rocznik: 2015
• Tom: R. 71, nr 10
• Strony: 776--785
• Opis fizyczny: Bibliogr. 6 poz., fot., rys., tab.

Twórcy

autor

Tadeusiewicz R.

• Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej al. Mickiewicza 30, 30-059 Kraków

autor

Haduch B.

• Biuro Kontroli. Instytut Nafty i Gazu – Państwowy Instytut Badawczy ul. Lubicz 25 A 31-503 Kraków

Bibliografia

• [1] Lula P., Paliwoda-Pekosz G., Tadeusiewicz R.: Metody sztucznej inteligencji i ich zastosowania w ekonomii i zarzadzaniu. Kraków, Wydawnictwo Akademii Ekonomicznej, 2007, ISBN 978-83-7252-357-0.
• [2] Tadeusiewicz R., Chaki R., Chaki N.: Exploring Neural Networks with C#. Boca Raton, CRC Press, Taylor & Francis Group, 2014.
• [3] Tadeusiewicz R., Rutkowski L., Szaleniec M., Horzyk A., Strzelecki M.: Kompendium sieci neuronowych: dodatek. [W:] Torbicz W. i in. (red.): Sieci neuronowe w inzynierii biomedycznej. Inżynieria Biomedyczna. Podstawy i Zastosowania. T. 9. Warszawa, EXIT, 2013, s. 667–745.
• [4] Wen Yu, Xiaoou Li: Hybrid neural networks for gasoline blending system modeling. 2014 International Joint Conference on Neural Networks (IJCNN). IEEE, 2014, s. 3272–3277.
• [5] Zhong Ming Luo, Zhuo Fu Liu, Fan Wang, Ling Sen Lin: Nonlinear Ethanol Gasoline Optimal Control System Based on Hammerstein Model. Advanced Materials Research 2013, vol. 765–767, s. 1889–1892.
• [6] https://pixabay.com/pl/

Uwagi

PL

Artykuł powstał w wyniku badań prowadzonych w ramach projektów nr DS-051/2013 pt. Zastosowanie sieci neuronowych w badaniach nad stworzeniem komputerowego modelu nieliniowych właściwości benzyn silnikowych zawierających bioetanol i eter etylowo-tert butylowy oraz DS-062/2014 pt. Zastosowanie sieci neuronowych w badaniach nad stworzeniem komputerowego modelu nieliniowych właściwości benzyn silnikowych zawierających komponenty tlenowe – praca INiG – PIB na zalecenie MNiSW.