Zastosowanie algorytmów interpolacji i sztucznych sieci neuronowych do wyznaczania charakterystyki zawartości chromu w glebach

• Autorzy: Gruszczyński S. , Urbański K.

Warianty tytułu

EN

Application of interpolation algorithms and artificial neural networks for chromium contents in soils characterization

• Języki publikacji: PL

Abstrakty

PL

Przeanalizowano różne podejścia do ustalania trendu rozkładu poziomego chromu (Cr) w glebie w warunkach silnego zanieczyszczenia tym pierwiastkiem. Zastosowano algorytmy regresji wielomianowej (wielomiany I, II i III stopnia), algorytmy interpolacji (TIN, Kriging, RST) oraz sztuczne sieci neuronowe (MLP, CANFIS, RBF, GRNN, PNN, MDN). Wykorzystano dane pochodzące z badań terenowych przeprowadzonych w otoczeniu Zakładów Chemicznych "Alwernia". Różnice między poszczególnymi podejściami zaprezentowano w formie graficznej oraz niektórych statystyk rozkładu reszt. Badania rozkładu przestrzennego zanieczyszczenia gleb nasunęły wniosek, iż ważnym elementem staje się określenie precyzji informacji oraz granic błędu przez akceptację jakiegoś oszacowania zanieczyszczenia, natomiast na dalszy plan schodzi wykrycie lub uwypuklenie regularności związanej z mechanizmem zjawiska imisji. Wydaje się, że zmienność zawartości chromu w glebach, zauważalna nawet na bliskich dystansach, utrudnia akceptację metod interpolacji jako sposobu oceny rozkładu zanieczyszczeń. Z drugiej strony znaczące nieliniowości utrudniają akceptację modeli regresji. W tych warunkach możliwością wartą rozważenia jest modelowanie z użyciem sieci neuronowych, w tym także wykorzystanie rozwiązań hybrydowych (np. MDN), pozwalających na pogłębioną analizę zmienności koncentracji Cr w glebach.

EN

Various ways of approach, to determine the horizontal distribution trend (tendency) of Chromium (Cr) in soil, where is high pollution by this element are analysed. Polynominal regression algorithms (I, II, III degree polynominals), interpolation algorithms (TIN, Kriging, RST), and also artificial neural networks (MLP, CANFIS, RBF, GRNN, PNN, MDN) are applied. Data from field experiments, carried out in the area of Chemical Plant in Alwernia were used. The differences between several ways of approach are presented in a graphical form, and also in some remainders distribution statistics. The soil pollution spatial distribution examinations lead to following conclusion, that in the first place is the information precision determination, and also the limit of error, through the pollution evaluation acceptance, whereas in the second place is the indication or standing out the regularity connected with the imission effect mechanism. It seems that the chromium concentration in soils variation, noticed even on short distances, makes it difficult the acceptance of interpolation method, as a method of contamination distribution evaluation. On the other hand the considerable nonlinearity makes difficult the acceptance of regression model. In these circumstances, the possibility which is worth consideration, is the modelling with the application of neuron networks, that is also hybrid solution application (for instance MDN), which gives the possibility of Cr concentration in soils variation deeper analysis.

Słowa kluczowe

PL

algorytmy interpolacji; sieci neuronowe; sztuczne sieci neuronowe; gleby; zanieczyszczenie gleby; chrom; zawartość chromu w glebach

• Wydawca: Wydawnictwa AGH
• Czasopismo: Inżynieria Środowiska / Akademia Górniczo-Hutnicza im. S. Staszica w Krakowie
• Rocznik: 2005
• Tom: T. 10, z. 1
• Strony: 15--44
• Opis fizyczny: Bibliogr. 19 poz., rys., wykr., tab.

Twórcy

autor

Gruszczyński S.

• Akademia Górniczo-Hutnicza, Wydział Geodezji Górniczej i Inżynierii Środowiska

autor

Urbański K.

• Akademia Górniczo-Hutnicza, Wydział Geodezji Górniczej i Inżynierii Środowiska

Bibliografia

• [1] Bishop C.: Improving the generalization properties of radial basis function neutral networks. Neutral Computation, 3 (4), 1991, 579–588
• [2] Bishop C.M.: Mixture density networks. Raport instytutowy NCRG/94/004, 1994. Dostępne na stronie: citeseer.ist.psu.edu/bishop94mixture.html
• [3] Cornford D., Nabney I.T., Bishop C.M.: Neutral network based wind vector retrieval from satelite scaterrometer data. Neutral Computing and Application, 8, 1999, 206–217
• [4] Duch W., Jankowski N.: Survey of neutral transfer functions. 1999. Dostępne na stronie: citeseer.ist.psu.edu/duch99survey.html
• [5] Goldberg P.W., Williams C.K.I., Bishop C.M.: R egression with input-dependent nosie: A gaussian process treatment. [w:] Jordan M.I., Kesarns M.J., Solla S.A. (red.), Advances In Neutral Information Processing Sysyems, vol. 10, The MIT Press 1998. Dostępne na stronie: citeseer.ist.psu.edu/article/goldberg - 98regression.html
• [6] Hecht-Nielsen R.: Neurocomputing. Reading: Addison-Wesley Pub. Co., Reading
• [7] Kerlirzin P., Vallet F.: Robustness in multilayer perceptrons. Neutral Computation, 5(3), 473–482
• [8] Masters T.: Sieci neuronowe w praktyce. Programowanie w języku C++. Warszawa, Wydawnictwo Naukowo-Techniczne 1996
• [9] Mitasova H., Brown M., Hofierka J.: Multidimensionel dynamic cartography. Dostępne na stronie: citeseer.ist.psu.edu/mitasova95multidimensional.html
• [10] Mitasova H., Mitas L.: Interpolation by regularized spline with tension: I, theory and implementation. Dostępne na stronie: citeseer.ist.psu.edu/mitasova93interpolation.html
• [11] Nowicka E., Opryszek Z.: Ocena metod opróbowania gruntów w celu określenia obciążenia gleb metalami ciężkimi. Kraków, Akademia Górniczo-Hutnicza 2000 (praca magisterska)
• [12] Parzen E.: On the estimation of a probability density function and mode. Annals of Mathematical Statistics, 33, 1962, 1065–1076. Dostępne na stronie: citeseer. ist.psu.edu/parzen62estimation.html
• [13] Specht D.F.: Probabilistic neutral networks. Neutral Networks, 3 (1), 1990, 109–118
• [14] Specht D.F.: A generalized regression neutral network. IEEE Transactions on Neutral Networks, 5, November 1991, 568–576
• [15] Tadeusiewicz R.: Sieci neuronowe. W serii: Problemy współczesnej nauki i techniki, Informatyka, Warszawa, Akademicka Oficyna Wydawnicza RM 1993
• [16] Trafas M.: Technologia prowadzenia badań i kartograficznego opracowania wyników dotyczących skażenia gleb w rejonach przemysłowych. Raport końcowy z realizacji projektu badawczego KBN 8 T 12E 007 20, Kraków, Akademia Górniczo-Hutnicza 2004
• [17] Weigend A., Nix D.: Predictions with confidence intervals (local error bars). 1994. Dostępne na stronie: citeseer. ist.psu.edu/weigend94predictions.html
• [18] Zadeh L.A.: Fuzzy sets. Information and Control, 8 (3), June 1965, 338–353
• [19] Żurada J., Barski M., Jędruch W.: Sztuczne sieci neuronowe. Warszawa, Wydawnictwo Naukowe PWN 1996