Modelowanie neuronowe procesów cieplnych zachodzących podczas kompostowania wybranych nawozów naturalnych

• Autorzy: Olszewski T. , Boniecki P.

Warianty tytułu

EN

Neural modelling of thermal processes during composting of chosen natural fertilizers

• Języki publikacji: PL

Abstrakty

PL

Proces kompostowania polega na mikrobiologicznym rozkładzie substancji organicznych w warunkach tlenowych za pomocą mikroorganizmów termofilnych i pleśni. Podczas procesu kompostowania wydzielają się duże ilości ciepła, które może być wykorzystane do różnych celów. W literaturze światowej brak jest informacji o wykorzystaniu sieci neuronowych w modelowaniu procesów cieplnych zachodzących podczas kompostowania. Celem prezentowanej pracy było modelowanie procesu kompostowania stałych nawozów naturalnych z wykorzystaniem sztucznych sieci neuronowych, ze szczególnym uwzględnieniem analizy cieplnej zachodzących zjawisk. Skupiono się na estymacji ilości ciepła otrzymywanego w wyniku reakcji egzotermicznych zachodzących podczas procesu kompostowania. Dokonano analizy oraz wytworzono, przetestowano i zweryfikowano zbiór topologii sieci neuronowych, działających jako efektywne instrumenty predykcyjne. W tym celu wykorzystano pakiet oprogramowania analitycznego Statistica v. 7.1 moduł: "Sieci Neuronowe". Mała wartość ilorazu odchyleń standardowych oraz współczynnik korelacji bliski jedności świadczy o dobrej jakości otrzymanych sieci neuronowych.

EN

Composting process depends on microbiological decomposition of organic matter in oxygenic conditions proceeded by the thermopile microorganisms and moulds. During the process there is a lot of heat energy emission which can be used for different aims. There is no information about neural network used for modelling of composting processes in the world publications. The objective of presented work was to model the composting process of solid natural fertilizers using the artificial neural networks. I focused mainly on thermal analysis of this process. Qualification of heat emission as a result of exothermic reactions during composting process was the focus of attention. The second stage was complex analysis as well as creating, testing and verification of series of neural networks topology. The analytical software package Statistica v. 7.1: 'Neural Networks' was used. Low ratio of standard deviations and correlation coefficient close to one, provide the most important information for the good assessment of the neural network.

Słowa kluczowe

PL

modelowanie neuronowe; kompostowanie; nawóz naturalny; proces cieplny

EN

neural modelling; thermal process; composting; natural fertilizer

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Journal of Research and Applications in Agricultural Engineering
• Rocznik: 2010
• Tom: Vol. 55, nr 2
• Strony: 56--61
• Opis fizyczny: Bibliogr. 8 poz.

Twórcy

autor

Olszewski T.

autor

Boniecki P.

• Uniwersytet Przyrodniczy w Poznaniu, Instytut Inżynierii Rolniczej, ul. Wojska Polskiego 50, 60-637 Poznań

Bibliografia

• [1] Boniecki P.: Elementy modelowania neuronowego w rolnictwie. Wydawnictwo Uniwersytetu Przyrodniczego w Poznaniu 2008.
• [2] Burton C. H., Turner C.: Manure management. Treatment strategies for sustainable agriculture 2’nd edition. Silsoe Research Institute, Bedford 2003.
• [3] Chan C. W., Huang G. H.: Artificial intelligence for management and control of pollution minimization and mitigation processes, Engineering applications of artificial intelligence, 2003, vol. 16, s. 75-90.
• [4] Grzeszczyk T. A.: Sztuczna inteligencja we wspomaganiu procesu prognozowania w przedsiębiorstwie. Statystyka i Data Mining w badaniach naukowych. StatSoft Polska, Kraków 2005.
• [5] Kosiński R.: Sztuczne sieci neuronowe, dynamika nieliniowa i chaos. Wydawnictwa Naukowo-Techniczne, Warszawa 2002.
• [6] Marciniak A., Korbicz J., Kuś J.: Wstępne przetwarzanie danych. Biocybernetyka i inżynieria biomedyczna, tom 6, Sieci neuronowe – praca zbiorowa, Akademicka Oficyna Wydawnicza Exit, Warszawa 2000.
• [7] Ozkaya B., Demir A., Bilgili M.S.: Neural network prediction model for the methane fraction in biogas from field-scale landfill bioreactors. Environmental Modelling & Software, 2007, vol. 22, s. 815-822.
• [8] Romaniuk W., Overby T.: Magazynowanie nawozów naturalnych. Poradnik / Praca zbiorowa. Warszawa: Instytut Budownictwa, Mechanizacji i Elektryfikacji Rolnictwa; Duńskie Służby Doradztwa Rolniczego 2004.