Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: sparse data

Sortuj według:

Ogranicz wyniki do:

Forecasting study of mains reliability based on sparse field data and perspective state space models

Valis David, Forbelská Marie, Vintr Zdeněk

Eksploatacja i Niezawodność

2020

Vol. 22, no. 2

179--191

The elements of critical infrastructure have to meet demanding dependability, safety and security requirements. The article deals with the prognosis of water mains reliability while using sparse irregular filed data. The data are sparse because the only thing we know is the number of mains failures during a given month. Since it is possible to transform the data into a typical reliability measure (rate of failure occurrence – ROCOF), we can examine the course of this measure development in time. In order to model and predict the ROCOF development, we suggest novel single and multiple error state space models. The results can be used for i) optimizing mains operation and maintenance, ii) estimating life cycle cost, and iii) planning crisis management.

Elementy infrastruktury krytycznej muszą spełniać wysokie wymagania w zakresie niezawodności, bezpieczeństwa i ochrony. Artykuł dotyczy prognozowania niezawodności sieci wodociągowej przy wykorzystaniu nieregularnie rejestrowanych rzadkich danych. Wykorzystane w pracy dane są rzadkie, ponieważ dostarczają jedynie informacji na temat liczby uszkodzeń wodociągu w danym miesiącu. Przekształcenie tych danych w typową miarę niezawodności (wskaźnik występowania uszkodzeń – ROCOF), pozwala zbadać przebieg rozwoju tej miary w czasie. Rozwój ROCOF można modelować i przewidywać za pomocą zaproponowanych w pracy innowacyjnych modeli przestrzeni stanów uwzględniających pojedynczy błąd lub wiele błędów. Uzyskane wyniki można wykorzystać do i) optymalizacji pracy i eksploatacji sieci wodociągowej, ii) szacowania kosztów cyklu życia, oraz iii) planowania zarządzania kryzysowego.

River water quality assessment with fuzzy interpolation

Spinella S., Ostoich M., Anile A.M.

Ecological Chemistry and Engineering. S

2008

Vol. 15, nr 2

245-262

This work concerns the interpolation of environmental data using fuzzy splines as alternative to statistical analysis in order to monitor water quality in a river. A fuzzy interpolated model representing the river water quality is constructed and then queried in order to retrieve information useful for planning precautionary measures. The results are compared with statistical model to evaluate significance of the quality classification. Geographical data concerning environment pollution consist of a large set of temporal measurements (representing, eg monthly measurements for several years) at a few scattered spatial sites. In this case the temporal data at a given site must be summarized in some form in order to employ it as input to build a spatial model. Summarizing the temporal data (data reduction) will necessarily introduce some form of uncertainty which must be taken into account. Fuzzy numbers can represent this uncertainty in a conservative way without any statistical a priori hypothesis. This method bas been employed for ocean floor geographical data by Patrikalakis (1995), in the interval case, and Anile et al. (2000), for fuzzy numbers, and to environmental pollution data by Anile et al. (2004). Fuzzy interpolation is carried out with splines to get a deterministic model for environmental pollution data. Then the model is interrogated by fuzzy queries to find the sites exceeding a quality threshold.

Do analizy danych środowiskowych (w celu monitorowania jakości wody w rzekach), zamiast tradycyjnej analizy statystycznej, zastosowano interpolację rozmytą (z użyciem fuzzy splines). Został skonstruowany i przetestowany odpowiedni model, przydatny do prac planistycznych, określający jakość wody. Uzyskane wyniki porównano z danymi modelu statystycznego. Model z interpolacją rozmytą pozwala na przewidywania wartości wielu chwilowych parametrów (np. średnie miesięczne wartości poziomu zanieczyszczeń z kilku lat) oraz ich niepewności pomiarowych, z wielu oddalonych od siebie miejsc pobierania próbek. Metoda ta była już stosowana przez Patrikalakis (1995) do badań dna oceanu, a także przez Anile i in. (2004) do opracowania danych, dotyczących zanieczyszczenia środowiska.