Wykorzystywanie sieci neuronowej do estymacji wartości wilgotności względnej powietrza na podstawie wartości jego temperatury

• Autorzy: Białobrzewski I.

Warianty tytułu

EN

Using the neural network to estimate the air relative humidity on the basis of its temperature value

• Języki publikacji: PL

Abstrakty

PL

Przedstawiono wyniki badań wykorzystania sieci neuronowej do estymacji wartości wilgotności względnej powietrza atmosferycznego na podstawie wartości jego temperatury. Stwierdzono, że modelowe wartości uzyskane dla jednokierunkowej sieci neuronowej, o topologii perceptronu wielowarstwowego z czasowym opóźnieniem, wykorzystującej algorytm wstecznej propagacji błędu oddają charakter zmian empirycznych RH. Sieć taka może być z zadawalającą dokładnością wykorzystana do estymacji dobowych, średnich wartości wilgotności względnej powietrza atmosferycznego.

EN

The work presents the research results of using the neural network to estimate the air relative humidity on the basis of its temperature value. It was established that the model values obtained for the unidirectional neural network of the multi-layer perceptron topology with time delay, using error backward propagation algorithm, reflect the character of RH empirical changes. Such network may be used, with satisfactory precision, for daily estimations of the average relative humidity values of atmospheric air.

Słowa kluczowe

PL

wilgotność względna powietrza; sieci neuronowe; Matlab

EN

air relative humidity; neural networks; MATLAB

• Wydawca: Polskie Towarzystwo Inżynierii Rolniczej
• Czasopismo: Inżynieria Rolnicza
• Rocznik: 2005
• Tom: R. 9, nr 1
• Strony: 15--22
• Opis fizyczny: Bibliogr. 7 poz., rys., tab.

Twórcy

autor

Białobrzewski I.

• Uniwersytet Warmińsko-Mazurski w Olsztynie, Wydział Nauk Technicznych, Katedra Inżynierii Procesów Rolniczych

Bibliografia

• Białobrzewski I. 2004a. Porównanie algorytmów uczenia sieci neuronowej jednokierunkowej, z czasowym opóźnieniem, wykorzystanej do predykcji wartości temperatury powietrza atmosferycznego. Inżynieria Rolnicza. (złożone do druku)
• Białobrzewski I. 2004b. Porównanie modeli GRNN utworzonych z wykorzystaniem modułów sieci neuronowych pakietów MATLAB i STATISTICA. Inżynieria Rolnicza. (złożone do druku)
• Chtioui Y., Panigrahi S., Francl L. 1999. A generalized regression neural network and its application for leaf wetness prediction to forecast plant disease. Chemometrics and Intelligent Laboratory Systems, 48, 47–58.
• Demuth, H., Beale, M. 2001. Neural Network Toolbox For Use with MATLAB. The MathWorks, Inc.
• Frank R.J., Davey N., Hunt S.P. 2001. Time Series Prediction and Neural Networks. Journal of Intelligent and Robotic Systems, 31, 91–103.
• Mittal G.S. Zhang J. 2003. Artificial Neural Network-based Psychrometric Predictor. Biosystems Engineering, 85 (3), 283–289, doi:10.1016/S1537-5110(03)00071-0.
• Tadeusiewicz R., Lula P. 2000. Neuronowe metody analizy szeregów czasowych i możliwości ich zastosowań w zagadnieniach biomedycznych. Biocybernetyka i Inżynieria Biomedyczna 2000. Tom 6 Sieci Neuronowe. Akademicka Oficyna Wydawnicza EXIT, Warszawa.