Wyniki wyszukiwania - BazTech

1

Inter occurrence time statistics of successive large earthquakes: analyses of the global CMT dataset

Bantidi Thystere Matondo

Acta Geophysica

|

2022

|

Vol. 70, no 6

2603--2619

EN

The purpose of this study is to discuss the statistical distributions of the inter-occurrence times of successive large earthquakes. We examine the Global Centroid Moment Tensor Catalog from 1976 to 2021 to analyze shallow earthquakes with a moment magnitude, Mw ≥ 7.0. After removing the aftershocks that occur in and around the faults of the mainshock within a given time–space window, we select the main events and search for successive ones in the space–time window to group them in clusters. We use four renewal models (Brownian passage time, gamma, lognormal, and Weibull) to fit the data. We estimate the models’ parameters using the maximum likelihood estimation method. Then, we perform two goodness-of-fit tests: the Akaike information criterion and the Kolmogorov–Smirnov test to evaluate the suitability of the model distributions to the observed data. The results reveal that the lognormal distribution provides the best fit to the observed data in at least 50% of the regions under consideration. An intermediate fit comes from the Weibull distribution, whereas the Brownian passage time and gamma distributions exhibit a poor fit. Then, we estimated the conditional probability of the occurrence of successive large earthquakes for the 10-year period between 2022 and 2032. Estimates range from 16 to 96%. To evaluate the usefulness of the interevent time-dependent earthquake modeling, we compared the results with the time-independent Poisson distribution. The results show that the renewal model, associated with a time-dependent earthquake hazard, is significantly better than a time-independent Poisson model.

2

A method of precise pulse onset determination using the Akaike Information Criterion for Ultrasound Transmission Tomography

Pruchnicki Piotr, Opieliński Krzysztof J.

Vibrations in Physical Systems

|

2021

|

Vol. 32, nr 1

art. no. 2021115

EN

Information criteria used in statistics for model selection can be used to accurately determine pulse transition times in transmission methods. The most popular information criteria are the Akaike Information Criterion (AIC) and the Bayesian Schwartz Criterion (BIC). These criteria are considered the most reliable tests of model type and structure and are computationally simple. In this paper, an algorithm developed according to the AIC criterion is used to determine the transition time from transmission tomography measurements acquired with a multi-element ultrasonic ring array, which is the scanning element of the novel prototype of ultrasound tomography device for detecting and estimating the malignancy of female breast cancer in vivo. As a result, a new algorithm was developed to precise search for the onset of the recorded receiving pulse. The algorithm was tested in an aqueous environment using elementary pairs of transmitting and receiving ultrasonic transducers of a tomographic ring array.

3

Noise Source Identification Method for a Warp Machine Based on MEEMD_AIC

Xu Yang, Zhang Ziyu, Li Angang, Sheng Xiaowei

Fibres & Textiles in Eastern Europe

|

2020

|

Vol. 28, no. 3 (141)

55--61

EN

In order to recognise the noise source of a warp knitting machine, a method based on Modified Ensemble Empirical Mode Decomposition (MEEMD) and Akaike Information Criterion (AIC) is proposed. The MEEMD_AIC method is applied to measure the noise signal of a warp knitting machine and analyse every single effective component selected. Noise source identification is realised by combining the vibration signal characteristics of the main parts of the warp knitting machine. Firstly, MEEMD is used to decompose the measured noise signal of the warp knitting machine into a finite number of intrinsic mode function (IMF) components. Then, singular value decomposition (SVD) is performed on the covariance matrix of the component matrix to get the eigen value of the matrix. Next, the number of effective components is estimated based on the AIC criterion, and the effective components are selected by combining the energy characteristic index and the Pearson correlation coefficient method. The results show that the noise signal of the warp knitting machine is a mixture of multiple noise source signals. The main noise sources of the warp knitting machine, including the vibration of the pulling roller, the main shaft of the loop forming mechanism and the push rod of the guide bar traverse the mechanism, provide theoretical support for recognition of the active noise reduction of the warp knitting machine using the MEEMD_AIC method.

PL

W celu rozpoznania źródła szumu maszyny dziewiarskiej zaproponowano metodę rozpoznawania źródła hałasu opartą na zmodyfikowanym zespole dekompozycji trybu empirycznego (MEEMD) i Akaike Information Criterion (AIC). Metodę MEEMD_AIC zastosowano do pomiaru sygnału szumu maszyny dziewiarskiej i do analizy każdego elementu maszyny dziewiarskiej. Identyfikacja źródła hałasu odbywała się poprzez połączenie charakterystyki sygnału wibracji głównych części maszyny dziewiarskiej. Po pierwsze, MEEMD zastosowano do dekompozycji zmierzonego sygnału szumowego maszyny dziewiarskiej na skończoną liczbę elementów składowych funkcji trybu wewnętrznego (IMF). Następnie przeprowadzono rozkład wartości pojedynczej (SVD) na macierz kowariancji macierzy składowej uzyskując wartość własną macierzy. Następnie oszacowano liczbę składników efektywnych na podstawie kryterium AIC, a składniki efektywne wybrano poprzez połączenie wskaźnika charakterystyki energetycznej i metody współczynnika korelacji Pearsona. Wyniki pokazały, że sygnał szumu maszyny dziewiarskiej jest mieszaniną wielu sygnałów źródeł hałasu. Na główne źródło hałasu maszyny dziewiarskiej składają się wibracje wałka ciągnącego oraz hałas głównego wału mechanizmu formowania pętli i popychacza mechanizmu poprzecznego prowadnicy. Przeprowadzona za pomocą metody MEEMD_AIC identyfikacja zapewnia teoretyczne wsparcie dla aktywnej redukcji hałasu dziania.

4

On explainable fuzzy recommenders and their performance evaluation

Rutkowski Tomasz, Łapa Krystian, Nielek Radosław

International Journal of Applied Mathematics and Computer Science

|

2019

|

Vol. 29, no. 3

595--610

EN

This paper presents a novel approach to the design of explainable recommender systems. It is based on the Wang–Mendel algorithm of fuzzy rule generation. A method for the learning and reduction of the fuzzy recommender is proposed along with feature encoding. Three criteria, including the Akaike information criterion, are used for evaluating an optimal balance between recommender accuracy and interpretability. Simulation results verify the effectiveness of the presented recommender system and illustrate its performance on the MovieLens 10M dataset.

5

Ocena czasu poprawnej pracy do uszkodzenia za pomocą Kryterium Informacyjnego Akaike

Kornacki A., Sokołowska E.

Eksploatacja i Niezawodność

|

2010

|

nr 1

69-76

PL

Artykuł przedstawia zastosowanie kryterium informacyjnego Akaike do testowania hipotez dotyczących średnich. Zaprezentowana metoda stanowi alternatywę wobec tradycyjnych metod testowania hipotez o średniej, wymagających ustalenia poziomu istotności. W pracy wykorzystano dane eksperymentalne z rozprawy habilitacyjnej W. Piekarskiego [12], dotyczące czasu pracy ciągników C355-360 do pierwszego uszkodzenia. Przedstawione rezultaty stanowią skuteczne narzędzie umożliwiające wybór odpowiedniego modelu statystycznego wśród modeli dotyczących eksploatacji i niezawodności maszyn.

EN

The article presents the application of the Akaike Information Criterion (AIC) to test hypothesis concerning mean values. The presented method offers an alternative to traditional hypothesis testing methods requiring the establishment of the significance level. In the article, we used the experimental data from a postdoctoral thesis by W. Piekarski [12] concerning the operation time of C355-360 tractors until the first failure. The obtained results provide a useful tool enabling the choice of a more suitable statistical model from the models relating to the operation and reliability of machines.