Wyniki wyszukiwania - BazTech

1

Reducing pollution levels generated by short sea shipping : use of Bayesian networks to analyse the utilization of liquefied natural gas as an alternative fuel

Molina Serrano Beatriz, González Cancelas Nicoleta, Soler Flores Francisco

Journal of KONES

|

2019

|

Vol. 26, No. 1

147--158

EN

Pollution adjacent to the continent's shores has increased in the last decades, so it has been necessary to establish an energy policy to improve environmental conditions. One of the proposed solution was the search of alternative fuels to the commonly used in Short Sea Shipping to reduce pollution levels in Europe. Studies and researches show that liquefied natural gas could meet the European Union environmental requirements. Even environmental benefits are important; currently there is not significant number of vessels using it as fuel. Moreover, main target of this article is exposing result of a research in which a methodology to establish the most relevant variables in the decision to implement liquefied natural gas in Short Sea Shipping has been development using data mining. A Bayesian network was constructed because this kind of network allows to get graphically the relationships between variables and to determine posteriori values that quantify their contributions to decision-making. Bayesian model has been done using data from some European countries (European Union, Norway and Iceland) and database was generated by 35 variables classified in 5 categories. Main obtained conclusion in this analysis is that variables of transport and international trade and economy and finance are the most relevant in the decision-making process when implementing liquefied natural gas. Even more, it can be stablish that capacity of liquefied natural gas regasification terminals under construction and modal distribution of water cargo transportation continental as the most decisive variables because they are the root nodes in the obtained network.

2

Zastosowanie sztucznych sieci neuronowych w modelowaniu prędkości wiatru jako jednej z determinant poboru energii w budynkach

Jasiński T.

Fizyka Budowli w Teorii i Praktyce

|

2018

|

T. 10, nr 2

9--14

PL

Celem pracy była analiza możliwości wykorzystania narzędzia z obszaru sztucznej inteligencji, jakim są sztuczne sieci neuronowe (ANN) w zagadnieniach związanych z prognozowaniem poboru energii elektrycznej w budynkach. W wielu opracowaniach wykazano, że głównym źródłem popytu na energię są systemy klimatyzacji oraz systemy grzewcze (HVAC). Z tego też powodu jednym z podstawowych determinant zapotrzebowania na energię są czynniki atmosferyczne, w tym prędkość wiatru. W pracy oprócz badań literaturowych przeprowadzono również badania empiryczne w obszarze przewidywania prędkości wiatru przy użyciu ANN wykorzystujących dane archiwalne pochodzące ze stacji meteorologicznej usytuowanej na lotnisku Lublinek w Łodzi. Testom zostały poddane sieci pracujące w oparciu o architekturę perceptronu wielowarstwowego (MLP), sieci realizujące regresję uogólnioną (GRNN) oraz sieci o radialnych funkcjach bazowych (RBF). Modelowanie objęło prędkości wiatru w latach 2008-2016. Dane zostały podzielone na trzy zbiory: uczący, walidacyjny i testowy. Takie podejście umożliwiło minimalizację ryzyka przeuczenia ANN. Jednocześnie użycie jedynie najnowszych informacji w charakterze danych testowych umożliwiło opracowanie modelu, który może zostać wykorzystany w praktyce biznesowej. W pracy nie ograniczono się do poszukiwania optymalnego zbioru zmiennych objaśniających jedynie wśród danych pozyskanych bezpośrednio ze stacji meteorologicznej, lecz analizie poddano także zmienne wejściowe powstałe poprzez zastosowanie narzędzi analizy technicznej.

EN

The paper presents possibilities to use ANN as a model predicting both - demand for energy in buildings and meteorological parameters affecting that demand such as wind speed. Empirical studies included wind speed forecasts using weather data from a meteorological station located at Lublinek Airport in Lodz. Numerous ANN types such as MLP, RBF and GRNN were tested during simulations.

3

Pomiar współczynnika podziału napięcia (VDF) dla sieci AMN/LISN

Sroka J., Dróżdż T., Bąbka R.

Śląskie Wiadomości Elektryczne

|

2013

|

Nr 2 (107)

19--23

PL

W artykule przedstawiono metodę pomiaru współczynnika podziału napięcia na zasadzie bezpośredniego pomiaru parametrów rozproszenia czwórnika za pomocą wektorowego analizatora parametrów S danej sieci sztucznej. Procedura pomiarowa VDF jest alternatywnym rozwiązaniem do stosowanego obecnie i prowadzi pośrednio do uzyskania mniejszych niepewności pomiarowych w badaniach EMI dla oceny propagacji zaburzeń przewodzonych.

EN

The paper deals with the measurement of voltage division factor by means of direct measurement of complex scattering parameters of four-terminal network and with use of vector network analyzer of parameters S of the given artificial grid. The VDF measurement procedure is the alternative solution for the one in use and guides indirectly to obtain the less uncertainty in measurement in the EMI investigation for the estimation of propagation of disturbance of conduction.

4

Właściwości metrologiczne jednokierunkowych sieci neuronowych

Roj. J.

Prace Naukowe Politechniki Śląskiej. Elektryka

|

2008

|

z. 1

87-100

PL

W artykule przedstawiono wyniki symulacyjnych badań jednokierunkowych sieci neuronowych. Opisano procedury uczenia i testowania sieci o wybranych strukturach, pozwalające na wyrażanie ich właściwości metrologicznych za pomocą niepewności. Przeanalizowano najistotniejsze czynniki wpływające na efektywność uczenia sieci. Przedstawiono również przykład wykorzystania sieci neuronowych do korekcji błędów statycznych i dynamicznych toru pomiarowego zawierającego czujnik opisany modelem Wienera.

EN

The paper presents results of simulation research of feed-forward neural networks. The training and testing procedures are described for some neural networks structures which allow to emphasize their metrological properties through the uncertainty. Influence of the main factors for neural network training efficiency is analyzed. Additionally, this paper give an overview of using neural networks for the static and dynamic errors correction in measuring chain with a sensor described through the Wiener's model.