Wyniki wyszukiwania - BazTech

1

Modelowanie neuronowe w procesie transportu wilgoci w ziarnie pszenicy

Szwedziak K.

Postępy Techniki Przetwórstwa Spożywczego

|

2009

|

nr 2

24-26

PL

W artykule opisano wykorzystanie sieci neuronowych do opisu transportu wilgoci w ziarnie pszenicy, podczas suszenia metodą niekonwencjonalną. Jako alternatywną metodę do suszenia konwencjonalnego zastosowano suszenie z wykorzystaniem sorbentu naturalnego, jakim było ziarno tego samego gatunku co ziarno suszone.

EN

Usage of neutral networks as an instrument for describe moisture transport process in wheat seeds, during unconventional method of drying has been presented in article. As an alternative method for conventional drying natural absorbent desiccation method has been used. As an natural absorbent this same species of seeds as dried, has been used.

2

A Neuro-Genetic Framework for Pattern Recognition in Complex Systems

Bandini S., Vanneschi L., Wuensche A., Bahgat Shehata A.

Fundamenta Informaticae

|

2008

|

Vol. 87, nr 2

207-226

EN

This paper presents a general framework to automatically generate rules that produce given spatial patterns in complex systems. The proposed framework integrates Genetic Algorithms with Artificial Neural Networks or Support Vector Machines. Here, it is tested on a well known 3-values, 6-neighbors, k-totalistic cellular automata rule called the "burning paper" rule. Results are encouraging and should pave the way for the use of the proposed framework in real-life complex systems models.

3

Using of artificial neural networks in predictions of SO2, NO and NO2 concentrations in Gliwice, Poland

Rogula W., Żeliński J.

Archiwum Ochrony Środowiska

|

2005

|

Vol. 31, no. 4

3--16

EN

The paper presents application of measurements of pollutant concentrations and meteorological conditions to create neural networks able to predict the pollutant concentrations on the basis of meteorological conditions. The measured quantities comprised 30-min concentrations of SO2, NO, NO2, and meteorological parameters, such as direction and speed of wind, air temperature, solar radiation, air humidity, and Pasquill stability class of atmosphere. The data were developed with the use of the StatSoft's Statistica Neural Networks computer program. The Levenberg - Marquardt algorithm was used to train networks. About 600 networks were created, trained and tested for each of SO2, NO and NO2 to predict their concentrations in ambient air and from among them the best performing network was selected. The chosen networks were used to compute concentrations on the basis of meteorological parameters. The neural models were run subsequently for SO2, NO and NO2. Measured and computed concentrations of the pollutants were presented in charts, as well as errors made by networks while predicting.

PL

W niniejszej pracy posłużono się wynikami pomiarów warunków meteorologicznych do wygenerowania sieci neuronowych prognozujących wartość stężenia na podstawie znajomości warunków meteorologicznych. Wyniki pomiarów obejmują: stężenia trzydziestominutowe: SO2, NO, NO2, parametry meteorologiczne: kierunek i prędkość wiatru, temperatura powietrza, natężenie promieniowania słonecznego, wilgotność powietrza i klasa stabilności atmosfery. Do analizy danych zastosowano program Statistica Neural Networks firmy StatSoft. Proces uczenia przeprowadzono stosując algorytm Levenberga - Marquardta. Dla celów prognozy zanieczyszczeń (SO2, NO2, NO) stworzono, wyuczono i przetestowano około 600 sieci dla każdej substancji i z nich wybrano trzy najlepsze. Wybrane sieci zostały wykorzystane do przewidywania wartości stężeń na podstawie parametrów meteorologicznych. Kolejno uruchamiano modele neuronowe dla: SO2, NO, NO2. Sporządzono, dla każdego zanieczyszczenia, wykresy przedstawiające przebiegi stężenia rzeczywistego i prognozowanego oraz wykresy błędu, jaki popełnia sieć podczas predykcji kolejnych stężeń.

4

Prognozowanie erozyjności deszczy w Polsce na podstawie miesięcznych sum opadów

Licznar P.

Archiwum Ochrony Środowiska

|

2004

|

Vol. 30, no. 4

29--39

PL

Erozyjność deszczy i jej szacowanie są kluczowym zagadnieniem dla właściwego modelowania oraz określania stopnia zagrożenia potencjalnego i rzeczywistego terenu procesami erozji wodnej gleb. Zaproponowany przez Wischmeicra i Smitha wskaźnik erozyjności deszczy Rrjest ogólnie uważany za przydatne narzędzie dla opisu regionalnych warunków klimatycznych z uwagi na erozję wodną gleb. Wartości wskaźnika Rr powinny być obliczane na podstawie długoletnich zapisów pluwiograficznyeh. Czyni to obliczanie wskaźnika Rr bardzo pracochłonnym i niemożliwym dla wieki lokalizacji pozbawionych rejestracji intensywności opadów. Z lej racji opracowano liczne metody aproksymacji wskaźnika Rr, na podstawie bardziej ogólnych danych opadowych, np. indeksy Arnoldusa i Poumiera. Celem badań była ocena wyników predykcji uzyskiwanych ze zmodyfikowanego indeksu Poumiera i opracowanie nowej procedury estymacji rocznych wartości wskaźnika Rr na bazie technologii sztucznych sieci neuronowych. Badania wykonano na podstawie bazy danych zawierającej wcześniej obliczone roczne wartości wskaźnika Rr dla 100 lat z 4 stacji w Polsce: Puławy, Sandomierz, Limanowa oraz Wroclaw-Swojec. Związek potęgowy o współczynniku korelacji równym r = 0,64, pomiędzy wartościami rocznymi wskaźnika Rr a zmodyfikowanego indeksu Poumiera został ustalony. Ponadto wykazano, że satysfakcjonujące wyniki predykcji rocznych erozyjności deszczy są możliwe do otrzymywania na podstawie miesięcznych sum opadów, z perceprtonowych sztucznych sieci neuronowych, posiadających jedną lub dwie warstwy ukryte.

EN

Rainfall erosivity and its estimation are the key issues in proper modeling and determination of the degree of potential and real hazard for land in process of soil erosion by water. Proposed by Wischmeier and Smith rainfall erosivity Rr-factor is generally considered as a useful tool for regional climatic condition description in respect to soil erosion by water. Rr-factor values should be calculated on the base of longtime rainfall registrations. It makes Rr-factor calculation very time-consuming and impossible for many locations without storm intensity registrations. Because of this a number of methods for R-factor approximation on the base of more general precipitation dala was proposed, e.g. Arnoldus and Fournier's indexes. The aim of the research was to examine the performance of Rr-factor predictions made by modified Fournier index and to develop a new procedure of annual R-factor estimation on the basis of an Artificial Neural Network (ANN) technology. The research was done using database containing previously calculated annual Rr-factor values for 100 years from 4 stations in Poland: Puławy, Sandomierz, Limanowa and Wroclaw-Swojec. The power-type relation of annual Rr-factor versus modified Fournier index values was established with a correlation coefficient equal to r = 0.64. Moreover, it was proved that the satisfactory results of annual rainfall erosivity prediction, on the basis of monthly precipitation totals, are possible to be obtained, from perceptron artificial neural networks, having one or two hidden layers.

5

Zastosowanie sieci neuronowych do lokalizacji stacji monitoringu zanieczyszczeń powietrza

Kamiński W., Skrzypski J., Strumiłło P.

Archiwum Ochrony Środowiska

|

1999

|

Vol. 25, no. 3

83-90

PL

W niniejszej pracy przedstawiono przykłady zastosowania sztucznej sieci neuronowej (SSN) do oceny pola zanieczyszczeń występujących w mieście oraz obiektywizacji usytuowania stacji sieci monitoringu atmosfery. Rozważania teoretyczne oraz obliczenia przeprowadzono na przykładzie miasta Łodzi biorąc pod uwagę średnie trzyletnie stężenie zawieszonego pyłu oraz SO2 w latach 1991-1993. W łodzi w omawianym okresie istniało od 19 do 22 punktów pomiarowych. W obliczeniach wykorzystano metodę opisu rozkładu zanieczyszczeń atmosfery za pomocą biharmonicznej interpolacji funkcji sklejanej. Lokalizacje hipotetycznych punktów pomiarowych określono stosując metodę bazującą na algorytmie k-means clustering oraz w samoorganizujących się sztucznych sieciach neuronowych. Na podstawie porównania rzeczywiście rozmieszczonych stacji oraz lokalizacji wynikających z analizowanych procedur wybrano te stacje, które leżą w pobliżu wygenerowanych hipotetycznie. Co do pozostałych sieci, to można uznać, że zostały zlokalizowane niewłaściwie z punktu widzenia reprezentowania badanego pola stężeń zanieczyszczeń. Analizowana metoda pozwala również na ocenę lokalizacji oraz określenie minimalnej liczby punktów monitorowania danego obszaru.

EN

The reported work employs artificial neural network (ANN) for the purpose of characterising air pollution field in urban conditions and optimisation of station locations with an objective of improving the quality of air pollution monitoring system. Theoretical studies and calculations were conducted on the basis of the pollution measurements taken in the city of Lodz, Poland in the period 1991-1993. In the study three year average suspended particulates and SO2 concentration measurements were taken into account. There were from 19 up 22 air pollution monitoring stations in Lodz within the considered periods. The reported work concentrates on a method for description of air pollution field in Lodz on the basis of the sparse data available from the monitoring stations. The biharmonic spline interpolation method was used. The aim of the work is pointing out locations of hypothetical monitoring stations that would produce best description of the air pollution field in Lodz. The k-means clustering algorithm and its extension in the from of self-organised ANNs are used for this purpose. This study enables ranking of the monitoring stations in Lodz in terms of their usefulness in description of the considered air pollution field in Lodz. Thus, well and poorly located stations could be pointed out. Finally, as a result of this study, a discussion on the required number and suggested best locations of the air pollution monitoring stations in Lodz carried out.