Wyniki wyszukiwania - BazTech

1

Assessment of Two Methods for Predicting Soil Retention Relationship from Basic Soil Properties

Mohammed Zahraa M., Salim Salloom B.

Ecological Engineering & Environmental Technology

|

2023

|

Vol. 24, iss. 6

61--69

EN

The purpose of this study was to develop the best transfer functions for estimating the soil water retention curve (SWRC) for Iraqi soils using multiple regression methods. Soil samples were collected from 30 different sites in Iraq at two depths (0–0.3 m and 0.3–0.6 m) to create a database for the development of predictive transfer functions. The database included information on soil particle size distribution, carbonate minerals, mass density, particle density, organic matter, saturated hydraulic conductivity, capillary height, and available water limits. Explanatory variables (EV) were the measured characteristics, while response variables (RV) were the volumetric water content measured at different potentials (0, 5, 10, 33, 500, 1000, 1500 kPa). Two methods were used to develop predictive transfer functions: the logit model and beta model. Prediction accuracy was assessed using mean bias error (MBE), mean absolute error (MAE), root mean square error (RMSE), and coefficient of determination (R2). The results showed that the variables included in the derivation of the two models for predicting θ(Ψ) were similar, except at θ(0). The variables w1 (w1 = 2Psand° − Psilt° − Pcaly° − Pcarbonate), capillary height, available water, and porosity were found to be included in most of the logit and beta models. Additionally, there were no statistically significant differences between the MAE, RMSE, and R2 values of the two models. However, the beta model performed better in terms of MBE compared to the logit model. The models also demonstrated highly significant R2 values (0.9819–1.00) for a linear relationship between the measured and predicted water content values.

2

Prognozowanie krótkoterminowe zapotrzebowania na energię elektryczną w KSE z wykorzystaniem metody MARSplines

Czapaj Rafał, Benalcazar Pablo, Kamiński Jacek

Przegląd Elektrotechniczny

|

2019

|

R. 95, nr 7

133--136

PL

W tekście przedstawiono wyniki zastosowania metody MARSplines, należącej do szerokiej grupy metod Data Mining, do prognozowania zapotrzebowania na moc elektryczną w Krajowym Systemie Elektroenergetycznym. Przedstawiono zmienne objaśniające i ich powiązanie ze zmienną prognozowaną. Zamieszczono ponadto obszerną analizę statystyczną tych zmiennych. Na podstawie przeprowadzonych symulacji w trybie ex post i ex ante sformułowano wnioski dotyczące samej metody oraz wnioski wynikające z czynności prognostycznych.

EN

The article presents the results obtained from applying the MARSplines method, which belongs to a broad group of Data Mining methods, to forecast the electric power demand in the Polish National Power System. Furthermore, the relationship between explanatory variables and the forecasted variable is examined through an extensive statistical analysis. Based on the (ex–post and ex–ante) simulations results a number of conclusions are drawn regarding the method itself and the accuracy of its predictions.

3

Dobór zmiennych objaśniających z wykorzystaniem metody MARSplines na przykładzie prognozowania dobowego zapotrzebowania na moc szczytową 15-minutową w KSE

Czapaj Rafał, Benalcazar Pablo, Kamiński Jacek

Przegląd Elektrotechniczny

|

2019

|

R. 95, nr 8

9--12

PL

Artykuł prezentuje możliwość skorzystania z metod statystycznych automatyzujących dobór zmiennych objaśniających na przykładzie szczytowego obciążenia dobowego KSE. Testy ex post dotyczyły 10 zbiorów zmiennych objaśniających dla metod statystycznych klasycznych i typu Data Mining. Uzyskana macierz wyników pozwala wstępnie wybrać najkorzystniejszy zbiór zmiennych objaśniających i metodę statystyczną.

EN

The article examines the possibility of using statistical methods for the automated selection of explanatory variables of the daily peak demand in the National Power System. An analysis of 10 explanatory variable sets was conducted through classical and Data Mining methods. The obtained results, which are presented as a matrix of (ex-post) statistical measures, prove to be useful in the selection of the appropriate statistical method and the selection of explanatory variables.

4

Jakość danych wejściowych w badaniach i modelach ruchu: od KBR do prognoz

Friedberg J., Szarata A.

Zeszyty Naukowo-Techniczne Stowarzyszenia Inżynierów i Techników Komunikacji w Krakowie. Seria: Materiały Konferencyjne

|

2010

|

Nr 93, z. 152

60-70

PL

Popularne powiedzenie informatyczne mówi "śmieci na wejściu - śmieci na wyjściu". Referat zajmuje się odwrotnym postawieniem tego, niestety, dość częstego zjawiska, nazwijmy je "skarby na wejściu - skarby na wyjściu". Czynniki jakości wyników badań i modeli ruchu wiążą się ściśle z jakością (czytaj - wiarygodnością) danych wejściowych. Ponieważ współcześnie, z różnych powodów, powszechne jest stosowanie mieszanych metod badań ruchu (czyli łączenie badań terenowych i technik modelowania matematycznego), stąd o jakości danych należy mówić zarówno w odniesieniu do danych i wyników badań, jak i danych do modeli ruchu. Jakość wyników wyjściowych pochodzących zwykle z modeli symulacyjnych, to już inna kwestia, wiążąca się z właściwą kalibracją parametrów tych modeli.

EN

The popular statement in informatics says "garbage in - garbage out". The authors deal in the paper with the contrary but very frequent event that could be called: "treasures in - treasures out". The factors of quality in surveys results and traffic models are precisely bounded with quality of input data (reliability). Nowadays because of various reasons it is common to use mixed methods of traffic surveys (in other words to blend land surveys and the techniques of mathematic modelling), so saying on data quality one should take into account not only input data and survey results but data for traffic models as well. The quality of output data, coming usually from simulation models, depends on proper calibration of parameters for these models.