Wykorzystanie metod i narzędzi eksploracji danych do analizy zmienności natężenia dopływu do komunalnych oczyszczalni ścieków

• Autorzy: Chuchro M. , Piórkowski A.

Warianty tytułu

EN

Methods and tools for data mining intensity variablity inlet to municipial wastewater treatment plant

• Języki publikacji: PL

Abstrakty

PL

Eksploracja danych to obecnie najdynamiczniej rozwijające się zagadnienie związane z przetwarzaniem danych. Celem eksploracji (data mining, drążenie danych) jest uzyskiwanie nowej użytecznej wiedzy z dużych kolekcji danych przy użyciu specjalistycznych narzędzi statystycznych. W artykule dokonano porównania metod eksploracji w środowiskach Weka, R, Statistica i Microsoft SQL Server dla istniejącej bazy danych ilości dopływu ścieków do oczyszczalni. W tym przypadku dane wejściowe to szeregi czasowe o rozdzielczości dobowej, obejmujące długie okresy obserwacji (nawet kilkanaście lat).

EN

Data mining is currently the fastest growing problem of processing data. The purpose of exploration (data mining, drilling of the data) is useful to obtain new knowledge from large data packets using specialized statistical tools. This article makes a comparison of methods for exploration in environments Weka, R, Statistica and Microsoft SQL Server database to an existing quantity of water inflow to the treatment plant. Inputs such application is a time series with daily resolution of the long periods of observation (even several years).

Słowa kluczowe

PL

eksploracja danych; analiza szeregów czasowych; drążenie danych; oczyszczalnie ścieków

EN

data mining; time series analysis; sewage treatment; wastewater treatment

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Studia Informatica
• Rocznik: 2010
• Tom: Vol. 31, nr 2B
• Strony: 347--358
• Opis fizyczny: Bibliogr. 19 poz.

Twórcy

autor

Chuchro M.

autor

Piórkowski A.

• Akademia Górniczo-Hutnicza, Katedra Geoinformatyki i Informal ki Stosowanej, 30-059 Kraków, al. Mickiewicza 30,

Bibliografia

• 1. Morzy M.: Eksploracja danych - przegląd dostępnych metod i dziedzin zastosowań. VI edycja Hurtownie Danych i Business Intelligence, Centrum Promocji Informatyki, Warszawa, 11 kwietnia 2006.
• 2. Jagielski J., Skorupska I.: Metody pozyskiwania wiedzy z danych historycznych. Bazy danych: modele, technologie, narzędzia, pod red. S. Kozielskiego, B. Małysiak, P. Kasprowskiego i D. Mrożka, Wydawnictwa Komunikacji i Łączności, Warszawa 2005.
• 3. Rojek I.: Bazy danych i bazy wiedzy dla miejskiego systemu wodno-ściekowego. Bazy danych: nowe technologie, pod red. S. Kozielskiego, B. Małysiak, P. Kasprowskiego i D. Mrozka, Wydawnictwa Komunikacji i Łączności, Warszawa 2007.
• 4. Gorawski M., Kowalski D.: Klasteryzacja szeregów czasowych na przykładzie pomiarów zużycia mediów. Bazy danych: struktury, algorytmy, metody, pod red. S. Kozielskiego, B. Małysiak, P. Kasprowskiego i D. Mrożka, Wydawnictwa Komunikacji i Łączności, Warszawa 2006.
• 5. Box G., Jenkins J.: Analiza szeregów czasowych. Prognozowanie i sterowanie. Państwowe Wydawnictwo Naukowe, Warszawa 1983.
• 6. Larose D.T.: Metody i modele eksploracji danych. Wydawnictwo Naukowe PWN, Warszawa 2008.
• 7. Weka 3 Documentation, http://www.cs.waikato.ac.nz/ ~ml/weka/index_documentation. html.
• 8. Internetowy Podręcznik Statystyki, http://www.statsoft.pl/textbook/stathome.html
• 9. Komsta Ł.: Wprowadzenie do środowiska R. http://cran.r-project.org/doc/contrib/Komsta- Wprowadzenie.pdf
• 10. The R Project for Statistical Computing, http://www.r-project.org/.
• 11. Khabaza T., Shearer C: Data Mining with Clementine. Integral Solution Limited, 20th Jan 1995.
• 12. Rattle: Gnome Cross Platform GUI for Data Mining using R, http://rattle.toga-ware.com/
• 13. Data Mining Desktop Survival Guide, http://datamining.togaware.com/survivor/Data_Mining.html.
• 14. Rapid Miner, http://rapid-i.com/conten1/view/26/82/.
• 15. Chatfield C: The Analysis of Time Series. An Introduction. Chapman &Hall/Crc, 2004
• 16. Last M., Kandel A., Bunke H. (edts), Data Mining in Time Series Database, Series in M-. chine Perception Artificial Intelligence, Vol. 57, s. 67+101.
• 17. Hand D., Mannila H., Smyth P.: Eksploracja danych. Wydawnictwa Naukowo-Techniczne, Warszawa 2005.
• 18. Witten I.H., Frank E.: Data Mining: Practical Machine Learning Tools and Technique Elsevier, Sydney 2005.
• 19. Gworek S., Utrata A.: Wykorzystanie predyktorów typu neural network do prognozowania szeregów czasowych. Górnictwo i Geoinżynieria 2005, nr 29, z. 4, s. 53-62.