Wyniki wyszukiwania - BazTech

1

Niepewność w analizie ryzyka związanego z funkcjonowaniem systemu zbiorowego zaopatrzenia w wodę

Tchórzewska-Cieślak B., Szpak D.

Czasopismo Inżynierii Lądowej, Środowiska i Architektury / Journal of Civil Engineering, Environment and Architecture

|

2015

|

z. 62, nr 1

383--391

PL

Analiza ryzyka związana z funkcjonowaniem systemu zbiorowego zaopatrzenia w wodę (SZZW) często jest prowadzona w tzw. ,,warunkach niepewnej informacji”, która jest związana z niepewnymi (niepełnymi, nieprecyzyjnymi lub niewiarygodnymi) danymi dotyczącymi eksploatacji systemu. Miarą niedokładności danych może być tzw. niepewność ilościowa. Pojecie to zostało wprowadzone przez dokument ,,Guide to the expression of uncertainty in measurement” wydany w 1993 r. przez Międzynarodową Organizację Normalizacyjną ISO. Celem pracy jest przedstawienie zagadnienia niepewności danych potrzebnych w analizie i ocenie ryzyka w SZZW. W pracy zwrócono szczególną uwagę na źródła niepewności w analizie ryzyka oraz ograniczenia w zastosowaniu tradycyjnych metod w przypadku wystąpienia czynnika niepewności. Praca zawiera podstawowe informacje oraz definicje pojęć dotyczących niepewności w analizie danych oraz propozycję wykorzystania tzw. współczynnika pewności CF w analizie ryzyka funkcjonowania SZZW w przypadku występowania danych o charakterze niepewnym. Współczynnik CF jest parametrem określającym jednocześnie stopień wiedzy oraz niewiedzy odnośnie danego zjawiska. W zaproponowanej metodzie zastosowano dwie miary: miarę wiarygodności SW oraz miarę niewiarygodności SN. Zaprezentowano sposób interpretacji miar SW oraz SN w odniesieniu do prawdopodobieństwa oraz sposób interpretacji wartości współczynnika pewności CF. Założone wartości współczynnika CF uwzględniają stopień niepewności formowanych hipotez odnośnie przyjmowanych wartości parametrów ryzyka, co sprawia, że otrzymany wynik staje się bardziej wiarygodny.

EN

The risk analysis associated with the operation of collective water supply system (CWSS) is often carried out in the so-called ,,uncertain information conditions”, which is associated with uncertain (incomplete, imprecise or unreliable) data on the system operation. The data inaccuracy measure can be so-called quantitative uncertainty. The concept was introduced by the document ,,Guide to the Expression of Uncertainty in Measurement” published in 1993 by the International Organization for Standardization ISO. The aim of the study is to present the problem of data uncertainty, which is needed in the risk analysis and assessment in CWSS. The special attention was drawn to characterization of the uncertainty sources in the risk analysis and restrictions connected with the use of traditional methods in case of an uncertainty factor. The paper includes basic information and definitions relating to the uncertainty in the data analysis and proposal to use certainty factor CF in the CWSS functioning risk analysis, in the case of uncertain data. Certainty factor CF is a parameter simultaneously indicating the level of knowledge and the level of ignorance relating to a given phenomenon. In the proposed method, two measures were used: measure of reliability SW and measure of unreliability SN. The interpretation of measures SW and SN in relation to the probability and interpretation the certainty factor CF were presented. Founded certainty factor CF values take into account formed hypotheses uncertainty level regarding taking the risk parameters. It makes that the result becomes more credible.

2

Jakość informacji z wizyjnych systemów nadzoru infrastruktur krytycznych

Stawowy M.

Prace Naukowe Politechniki Warszawskiej. Transport

|

2014

|

z. 104

103--113

PL

W artykule przedstawiono model wyznaczania jakości IQ (ang. Information Quality) na podstawie modelowania współczynnika pewności hipotezy CF (ang. Certainty Factor) w telematyce autostradowej. Modelowanie takie dotyczy zazwyczaj systemów ekspresowych lub sztucznej inteligencji. Jednak w systemach, o których traktuje artykuł głównym elementem są systemy komputerowe analizujące dane odbierane z detektorów nadzorujących ruch obiektów.

EN

This paper discusses a model for determining information quality IQ based on modelling the certainty factor CF. This modeling practice is usually employed for expert or artificial intelligence systems. But here discussed are computer systems using motion detectors. A model well-suited to describe information quality of information concerning any given hypothesis. For instance: a vehicle moves within a camera-monitored enclosure.

3

Wyznaczanie jakości informacji w telematyce autostradowej

Stawowy M.

Prace Naukowe Politechniki Warszawskiej. Transport

|

2013

|

z. 92

221--229

PL

W artykule przedstawiono model wyznaczania jakości informacji IQ (ang. Information Quality) na podstawie modelowania współczynnika pewności hipotezy CF (ang. Certainty Factor) w telematyce autostradowej. Modelowanie takie dotyczy zazwyczaj systemów ekspertowych lub sztucznej inteligencji. Jednak w systemach telematyki autostradowej głównym elementem są systemy komputerowe analizujące i przetwarzające dane o ruchu pojazdów.

EN

This paper discusses a model for determining information quality IQ based on modeling the certainty factor CF. This modeling practice is usually employed for expert or artificial intelligence systems. Here, however, discussed are computer systems using telematic data.

4

Modyfikacja stanfordskiej algebry współczynników pewności dla regułowo-modelowych systemów ekspertowych rmse

Niederliński A.

Zeszyty Naukowe. Automatyka / Politechnika Śląska

|

2006

|

z. 145

147-155

PL

Istotą zaproponowanej modyfikacji jest wprowadzenie dwóch rodzajów wielokrotnych reguł o tych samych wnioskach: reguł kumulatywnych i reguł dysjunktywnych. Reguły kumulatywne mają niezależne listy warunków i wypadkowy współczynnik pewności wniosku jest wyznaczany jako kumulacja współczynników pewności wniosków poszczególnych reguł. Reguły dysjunktywne mają zależne listy warunków i tylko jedna z tych reguł określa wypadkowy współczynnik pewności wniosku.

EN

The modification consists of distinguishing two kind of multiple rules with the same conclusion: cumulative rules and disjunctive rules. Cumulative rules have independent lists of conditions and the overall certainty factor of their common conclusion is determined as a cumulation of certainty factors of the conclusions of all rules. Disjunctive rules have dependent lists of conditions and only one of them is determining the overall certainty factor of their common conclusion.