Analiza porównawcza modeli regresyjnych z modelami sztucznych sieci neuronowych w zagadnieniach eksploatacji

• Autorzy: Ruta R. , Trzos M.

Warianty tytułu

EN

Comparative analysis of regression models with artificial neural network models in the field of maintenance

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono wyniki modelowania procesu osuszania zawodnionego oleju transformatorowego. W procesie modelowania wykorzystano dane pochodzące z badań osuszania oleju prowadzonych w laboratorium oraz pomiarów osuszania oleju w warunkach eksploatacyjnych przeprowadzonych w Elektrowni Kozienice. Badania zmierzały do zbudowania, na podstawie danych doświadczalnych, modelu prognostycznego wyliczającego zawartość wody w oleju (skuteczność procesu osuszania) w zależności od parametrów procesu osuszania. Przedstawiono procesy konstruowania modeli z wykorzystaniem sztucznych sieci neuronowych oraz modeli regresyjnych. Omówiono opracowane modele oraz dokonano analizy ich przydatności do prognozowania procesu osuszania. Jako kryterium oceny przyjęto średni błąd względny odwzorowania modelowanego procesu.

EN

The modelling results of a transformer watery oil drying were presented. The data used in modelling came from the research of oil drying in laboratory and from the power station Kozienice, where the transformer works actually. Research aimed to develop a prognostic model for the calculation of water content in oil depending on drying parameters, on the basis of experimental data. Processes of constructing artificial neural network models and regression models construction are presented. The models developed were discussed and their prognostic usefulness for a drying processes were analysed. As the evaluation criterion the average relative error of the model was established.

Słowa kluczowe

PL

modelowanie; osuszanie; olej; porównanie modeli; model regresyjny; sztuczna sieć neuronowa; eksploatacja

EN

modelling; artificial neural network; regression model; comparative analysis; exploitation; transformer watery oil; drying

• Wydawca: Wydawnictwo Naukowe Instytutu Technologii Eksploatacji - Państwowego Instytutu Badawczego
• Czasopismo: Problemy Eksploatacji
• Rocznik: 2005
• Tom: nr 4
• Strony: 271--281
• Opis fizyczny: Bibliogr. 10 poz., rys., tab.

Twórcy

autor

Ruta R.

• Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy, Radom

autor

Trzos M.

• Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy, Radom

Bibliografia

• 1. STATISTICA Neural Networks PL Przewodnik problemowy - StatSoft, Polska Sp. z o.o., 2001, Kraków.
• 2. Bishop C.: Neural Networks for Pattern Recognition. Oxford: University Press, 1995.
• 3. Speckt D.F.: A Generalized Regresion Neural Networks. IEEE Transactions on Neural Networks 2 (6)1991, pp. 568-576.
• 4. Petersson D.: Artificial Neural Networks. Singapore: Prentice Hall, 1996.
• 5. Arib M.A. (ed.): The handbook of brain theory and neural networks. Second edition. MIT Press, 5 Cambridge Center, Cambridge, MA 02142, 2002.
• 6. Osowski S.: Sztuczne sieci neuronowe do przetwarzania informacji. Oficyna Wydawnicza Politechniki Warszawskiej. Warszawa 2000.
• 7. Duch W., Korbicz J., Rutkowski L., Tadeusiewicz R.: Sieci neuronowe, Exit, Warszawa, 2000.
• 8. Krawiec K., Stefanowski J.: Uczenie maszynowe i sieci neuronowe. Wydawnictwo Politechniki Poznańskiej, Poznań, 2003.
• 9. Dobosz M.: Wspomagana komputerowo statystyczna analiza wyników badań. W. EXIT Warszawa 2001.
• 10. STATISTICA PL dla Windows (Tom I): Ogólne konwencje i statystyki - StatSoft, Polska Sp. z o.o., Kraków 1997.