Zastosowanie sieci neuronowej do numerycznej aproksymacji wyników badań kompostu

• Autorzy: Sidełko R.

Warianty tytułu

EN

Application of neural net to a numerical method of approximation of compost investigation results

• Języki publikacji: PL

Abstrakty

PL

Komposty produkowane na bazie odpadów komunalnych charakteryzują się wyjątkową niejednorodnością wyrażoną parametrami jakościowymi. Z tego względu niezależnie od ilości danych opisujących zmiany właściwości nawozowych w trakcie dojrzewania kompostu, matematyczny opis zjawiska jest niezmiernie trudnym zagadnieniem. W pracy przedstawiono rezultat działania sieci neuronowej skonstruowanej w oparciu o pakiet MATLAB, prognozującej zmiany wartości wybranych wskaźników fizyko-chemicznych kompostu w czasie jego dojrzewania. W toku procesu "uczenia sieci" wykorzystano 45 par przypadków stanowiących efekt rocznych badań kompostu produkowanego w Zakładzie Utylizacji Odpadów w Kołobrzegu w ramach projektu PBZ Nr 5PO6H03817.

EN

Composts based on communal wastes are characterised by high level of heterogeneity as expressed with quality factors. For that, irrespective of a data volume, mathematical description of variation of fertilising qualities during maturing of compost is an immensely difficult task. The study presents a result of functioning of neural net constructed on the basis of MATLAB package for forecasting variation of selected physico-chemical compost factors during its maturing. On the stage of the net "learning" 45 cases, which result from a yearlong investigation of the compost produced within the project PBZ No 5PO6H03817, were utilised.

Słowa kluczowe

PL

kompost; badania kompostu; numeryczna aproksymacja; sieci neuronowe

EN

neural net; compost

• Wydawca: Bydgoskie Towarzystwo Naukowe
• Czasopismo: Ekologia i Technika
• Rocznik: 2003
• Tom: R. 11, nr 6
• Strony: 13--17
• Opis fizyczny: Bibliogr. 12 poz., wykr.

Twórcy

autor

Sidełko R.

• Politechnika Koszalińska, Katedra Podstaw Inżynierii Ochrony Środowiska, 75-620 Koszalin, ul. Racławicka 15/17

Bibliografia

• [1] R. Tadeusiewicz.: Wprowadzenie do sieci neuronowych., StatSoft Polska, Kraków 2001.
• [2] Hopfield J.J., Tank D. W.: Neural computation of decisions in optimization problems. Biolog. Cybern., 1985.
• [3] Hopfield J.J., Tank D.W.: Computing with neural network circuits...., Science, vol. 233, 1986.
• [4] Chua L.O., Yang L.: Cellular neural networks: applications. IEEE Trans. Circuits and Systems, vol. CAS-35, s. 1273-1290, 1988.
• [5] Rumelhart D.E., Hinton G.E., Wiliams R.J.: Learning internal representation by error propagation, in Rumelhart D.E., McClellan J.L.: Parralel Distributed Processing. Cambridge,: MIT Press 1986.
• [6] Kohonen T.: Self-organization and associative memory. Berlin, Springer-Verlag, 1984.
• [7] Białko M.: Metody i zastosowania sztucznej inteligencji. Wyd. Politechniki Koszalińskiej, Koszalin. 1996.
• [8] Raport z realizacji projektu badawczego NR 5 PO6H03817, Koszalin 2002.
• [9] Lula P.: Wykorzystanie sztucznej inteligencji w prognozowaniu. http://www.statsoft.com.pl
• [10] Sobczyk M.: Statystyka, PWN, Warszawa 1996.
• [11] Kowal A.: Odnowa wody - podstawy teoretyczne procesów. Praca zbiorowa Instytutu Inżynierii Ochrony Środowiska Politechniki Wrocławskiej, WPW Wrocław 1990.
• [12] Osowski S.: Sieci neuronowe, Wydawnictwo Politechniki Warszawskiej, Warszawa 1994.