Wyznaczanie rzeczywistych klas węgla w oparciu o algorytm rozmytej klasyfikacji danych

• Autorzy: Gornig A. , Wojaczek A.

Warianty tytułu

EN

Real co al clusters delimitation based on the algorithm of fuzzy date classification

• Konferencja: Górnictwo Zrównoważonego Rozwoju 2004. Rozpoznawanie złóż. Energooszczędne i niezawodne maszyny górnicze. Ochrona środowiska naturalnego / konferencja naukowa. Kongres Nauki Politechniki Śląskiej (11.2004; Gliwice)
• Języki publikacji: PL

Abstrakty

PL

W referacie przedstawiono przykład wyznaczania rzeczywistych klas węgla w oparciu o algorytm rozmytego grupowania danych. Klasyfikacji poddano zbiór zawierający pomiary próbek węgla w KWK "Knurów" i wyznaczono 5 klas reprezentowanych przez współrzędne centroidów. Dla każdej klasy postawiono prognozę ceny węgla według formuł Blaschkego w oparciu o ceny węgła wskaźnikowego oraz ceny węgla wzorcowego. Wykorzystując rozkład zmian klas węgla w czasie wyznaczono wagi reguł oraz utworzono bazę reguł będącą rozmytym modelem typu Mamdaniego.

EN

In the article an example of the real coal clusters delimitation is presented. The algorithm of fuzzy date classification is used to make partitions of date. A file of 500 coal samples is divided. The program creates a required number of clusters and owns the fuzzy membership coefficients for the samples. A procedure of auto-correction assures optimal classification.

Słowa kluczowe

PL

klasy węgla; algorytm rozmytej klasyfikacji danych; formuła Blaschkego; model Mamdaniego; jakość węgla

EN

coal clusters; algorithm of fuzzy date classification; Blaschke's formula; Mamdani's model; coal quality

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Zeszyty Naukowe. Górnictwo / Politechnika Śląska
• Rocznik: 2004
• Tom: z. 260
• Strony: 373--384
• Opis fizyczny: bibliogr. 10 poz.

Twórcy

autor

Gornig A.

• Politechnika Śląska, Wydział Górnictwa i Geologii, Gliwice

autor

Wojaczek A.

• Politechnika Śląska, Wydział Górnictwa i Geologii, Gliwice

Bibliografia

• 1. Bezdek J.C.: Pattern Recognition with Fuzzy Objective Function Algorithms. New York 1981
• 2. Blaschke W.: System cen energetycznych węgla kamiennego. Studia Rozprawy Monografie 77. Wydawnictwo Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN, Kraków 2000.
• 3. Blaschke W., Mokrzycki E., Zhongijan Shan: Coal preparation economics, New Trends in Coal Preparation Technologies and Equipment. Gordon and Breach Publishers, 1994.
• 4. Czogała E., Frączek J., Sułkowski J.: Simulation o f fuzzy control of the ventilation process in the longwalls with methan emission (Polish). Archiwum Informatyki Teoretycznej i Stosowanej, T.7 (1995).
• 5. Everitt B. S.: Cluster Anlysis. Americas. Halsted Press, New York 1993.
• 6. Hellendoom H, Driankov D.(Eds.): Fuzzy model identification. Springer - Verlag, Fleidelberg 1997.
• 7. Klir G. J., Yuan Bo.: Fuzzy Sets and Fuzzy Logic. Prentice Hall PTR. Upper Saddle River. New Jersey 1995.
• 8. Kowal A., Walaszek-Babiszewska A.: Koncepcja budowy modeli rozmytych w oparciu o dane eksperymentalne. Górnictwo Zrównoważonego Rozwoju. Konferencja III Energooszczędne i Niezawodne Maszyny Górnicze. Zeszyty Naukowe Górnictwo, 246, Gliwice 2000.
• 9. Walaszek-Babiszewska A.: Stochastic and fuzzy modeling for sampling research. Akustyka Molekularna i Kwantowa (Molecular & Quantum Acoustics) 1997.
• 10. Zadeh L.: From computing with numbers to computing with words - from manipulation of measurements to manipulation of perceptions. IEEE Transactions on Circuits and Systems - IiFundamental Theory and Applications 1999.