Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: teoria fraktali

Sortuj według:

Ogranicz wyniki do:

Fractal theory application for heat demand forecasting in district heating system

Aleksiejuk P., Bujalski W.

Rynek Energii

2016

Nr 5

95--98

The aim of this thesis is to formulate short-term heat demand forecasting model based on fractal theory that predicts the value of heat demand for all receivers connected to district heating system depending on weather forecast and calendar information. The paper contains descriptions of basic fractal theory concepts, techniques, analysis of self-similarity of heat demand data, and developed methodology of constructing fractal interpolation curve. Forecast accuracy was investigated for planning heat production in 24-hour horizon.

Celem badań jest opracowanie krótkoterminowego modelu prognostycznego opartego na teorii fraktali, który prognozuje wartość zapotrzebowania na ciepło wszystkich odbiorców miejskiej sieci ciepłowniczej w zależności od progno-zy pogody oraz danych kalendarzowych. W publikacji zawarto opisy podstawowych założeń, technik, analiz samopodobieństwa danych o zapotrzebowaniu na ciepło oraz metodologii konstruowania krzywej interpolacji fraktalnej. Dokładność prognozy zweryfikowano na podstawie planowania produkcji ciepła w horyzoncie prognozy wynoszącym 24 godziny.

Zastosowanie teorii fraktali do kompresji obrazów

Rudziński F.

Elektronika : konstrukcje, technologie, zastosowania

2003

Vol. 44, nr 5-6

32-36

Kompresja danych stała się ważnym elementem w procesie zapamiętywania i transmisji informacji. Geometria fraktalna umożliwia tworzenie nowej klasy figur geometrycznych, które mogą być użyte do kodowania elementów obrazu. Takie kodowanie wykorzystywane jest do kompresowania obrazów. Podstawą teorii fraktalnej jest teza, że obraz może być odbudowany przez użycie szeregu mniejszych podobnych do siebie obrazów. Podczas kodowania obrazu algorytm dzieli obraz na mniejsze części, które łączy w pola. Dla każdego stworzonego pola wyszukuje się szereg podobnych odpowiedników i dla nich dobierany jest zestaw funkcji transformacji umożliwiający ich odtworzenie. Kompresja otrzymywana jest przez przechowanie tylko zestawu funkcji transformacji. Pomimo że czas kodowania fraktalnego jest bardzo długi (ze względu na skomplikowane procedury poszukiwania wspólnych własności obszarów obrazu), ten kierunek badań oferuje bardzo obiecujące wyniki. Kompresja fraktalna umożliwia osiągnięcie współczynnika kompresji rzędu 10 000:1. Artykuł opisuje teorię i implementację fraktalnej kompresji obrazów. Przedstawia podstawy teorii fraktalnej w kontekście zastosowania do kompresji obrazów oraz przykłady implementacji algorytmów przetwarzania. Wyniki fraktalnej kompresji obrazów będą porównywane ze standardowymi technikami kompresji. Na koniec przedstawione zostaną sugestie dalszych ulepszeń algorytmu (np. wspomagania algorytmu sieciami neuronowymi) oraz użycia tych metod kompresji w innych obszarach nauki.

Data compression has become an important issue in relation to storage and transmission of information. Standard graphics systems encode pictures by assigning an address and color attribute for each point of the object resulting in a long list of addresses of attributes. Digital image compression is especially important due to the high storage and transmission requirements. Various compression methods have been proposed in recent years using different techniques to achieve high compression ratios. Ali these methods have a common feature - the compressed images are approximations of originals. Fractal geometry enables a newer class of geometrical shapes to be used to encode whole objects, thus image compression is achieved. The basic principle is that an image can be reconstructed by using the self similarities in the image itself. When encoding an image, the algorithm partitions the image into a number of square blocks (domain blocks). After this a new partition into smaller blocks (range blocks) takes place. For every range block the best matching domain block is searched among all domain blocks by performing a set of transformations on the blocks. The compression is obtained by storing only the descriptions of these transformations. However, the coding process suffers from the long search time of the domain block pool. Compression ratios of 10 000: 1 has been claimed by researchers in this field. Fractal image compression offers many promising results. This paper presents a theory and an implementation of a fractal image compression. The results of a fractal image compression are compared with standard compression techniques. Finally, suggestions of further improvements (with the use of neural networks) and an application of the method in other areas is also presented.