Metody szacowania wskaźnika nagromadzenia odpadów służącego do określenia lokalnego potencjału energetycznego z odpadów komunalnych na terenie gmin w Polsce

• Autorzy: Nęcka Krzysztof , Szul Tomasz

Identyfikatory

DOI

10.15199/48.2022.12.59

Warianty tytułu

EN

Methods for estimating the accumulation index of waste used to determine the local energy potential of municipal waste in communes in Poland

• Języki publikacji: PL

Abstrakty

PL

W pracy sprawdzono przydatność wybranych metod prognostycznych do szacowania lokalnego wskaźnika ilości generowanych odpadów komunalnych a tym samym potencjału energetycznego odpadów, które będą mogły być wykorzystane w instalacjach termicznego przetwarzania odpadów. Prognozy stawiano w oparciu o metody: sztucznych sieci neuronowych (ANN), drzewa regresyjne (CART), wielozmienną regresję adaptacyjną z użyciem funkcji sklejanych (MARS), losowy las dla regresji (RFR), teorii zbiorów przybliżonych (RST), wzmacniane drzewa regresyjne (SRT) a także metody kombinowane będące połączeniem kilku metod prognostycznych.

EN

In this paper, the usefulness of selected forecasting methods was tested to estimate the local rate of municipal waste generation, and thus the energy potential of waste, which can be utilised in thermal waste treatment plants. Forecasts were made on the basis of the following methods: artificial neural networks (ANN), regression trees (CART), multivariate adaptive regression with glued functions (MARS), random forest for regression (RFR), rough set theory (RST), boosted regression trees (SRT), and combined methods which are a combination of several forecasting methods.

Słowa kluczowe

PL

potencjał energetyczny odpadów komunalnych; metoda szacowania wskaźnika masowego nagromadzenia odpadów; teoria zbiorów przybliżonych; sztuczna sieć neuronowa; model hybrydowy

EN

municipal waste energy potential; method for estimating mass accumulation rate; rough set theory; artificial neural network; hybrid model

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2022
• Tom: R. 98, nr 12
• Strony: 258--261
• Opis fizyczny: Bibliogr. 19 poz., rys.

Twórcy

autor

Nęcka Krzysztof

• Uniwersytet Rolniczy w Krakowie, Katedra Inżynierii Bioprocesów, Energetyki i Automatyzacji, ul. Balicka 116B, 30-149 Kraków

• https://orcid.org/0000-0002-0401-1239

autor

Szul Tomasz

• Uniwersytet Rolniczy w Krakowie, Katedra Inżynierii Bioprocesów, Energetyki i Automatyzacji, ul. Balicka 116B, 30-149 Kraków

• https://orcid.org/0000-0003-0346-2289

Bibliografia

• [1] Ministerstwo Klimatu i Środowiska. Polityka Energetyczna Polski do 2040 r. https://www.gov.pl/attachment/3c8a2fd6-a0a4-4b7f-b301-0b8569f1eaf7
• [2] Klimek P. Ocena potencjału energetycznego odpadów komunalnych w zależności od zastosowanej technologii ich utylizacji. Nafta-Gaz, (2013), nr 12, 909-914
• [3] Przywarska R. Odpady komunalne źródłem energii odnawialnej. Recykling, (2009), nr 7, 103–104
• [4] Tomasik M., Knaga J., Juliszewski T., Lis S., Szul T. Electrical properties of biocoal obtained by pyrolysis from energy plants.Przegląd Elektrotechniczny, 96 (2020), nr 1, 238-241
• [5] Wielgosinski G. Wybór technologii termicznego przekształcania odpadów komunalnych. Nowa Energia, (2012), nr 1, 66–80
• [6] Boas Berg A., Radziemska M., Adamcová D., Zloch J., Vaverková M.D. Assessment Strategies for Municipal Selective Waste Collection-Regional Waste Management. Journal of Ecological Engineering, (2018), vol. 19, 33–41
• [7] Mazzanti M., Zoboli R. Waste generation, waste disposal andpolicy effectiveness: evidence on decoupling from the European Union. Resources, Conservation and Recycling, (2008), vol. 52, 1221–1234
• [8] Vieira, V.H.A.D.M.; Matheus, D.R. The impact of socioeconomic factors on municipal solid waste generation in São Paulo, Brazil. Waste Management & Research, (2017), vol. 36(1), 79-85
• [9] Nęcka K., Szul T., Knaga J. Identification and Analysis of Sets Variables for of Municipal Waste Management Modelling. Geosciences, (2019), vol. 9(11), 458
• [10] Boer E.D., Jędryczak A., Kowalski Z., Kulczycka J., Szpadt R. A review of municipal solid waste composition and quantities inPoland. Waste Management, (2010), vol. 30, 369–377
• [11] Tałałaj I.A., Walery, M. The effect of gender and age structure on municipal waste generation in Poland. Waste Management, (2015), vol. 40, 3–8
• [12] Szul T., Knaga J., Nęcka K. Application of Rough Set Theory to Establish the Amount of Waste in Households in Rural Areas. Ecological Chemistry and Engineering S., (2017), vol. 24, 311–325
• [13] Intharathirat R., Salam P.A., Kumar S. Untong, A. Forecasting of municipal solid waste quantity in a developing country usingmultivariate grey models. Waste Management, (2015), vol. 39, 3–14
• [14] Maryam A., Ali E.H. Forecasting municipal solid waste generation using artificial intelligence modelling approaches. Waste Management, (2017), vol. 56, 13–22
• [15] Bates, J. M., Granger, C. W. The combination of forecasts.Journal of the Operational Research Society, (1969), vol. 20(4), 451-468
• [16] Główny Urząd Statystyczny. Główny Urząd Statystyczny. BankDanych Lokalnych. 2022. Dostępne online: https://bdl.stat.gov.pl/BDL/start (dostęp 15 maja 2022)
• [17] Współczesna typologia obszarów wiejskich w Polsce–przeglądmetodologicznych. Dostępny w Internecie: http://www.rcin.org.pl/Content/51257/WA51_70537_r2014-t86-z4_Przeg-Geogr-Banski.pdf (dostęp 24 października 2021 r.)
• [18] Ruiz G.R., Bandera C.R. Validation of Calibrated Energy Models: Common Errors. Energies, (2017), vol. 10, 1587
• [19] American Society of Heating, Ventilating, and Air Conditioning Engineers (ASHRAE). Guideline 14-2014, Measurement of Energy and Demand Savings; American Society of Heating, Ventilating, and Air Conditioning Engineers, (2014), Atlanta, GA, USA

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).