Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Chemia i Inżynieria Ekologiczna

1 2005

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!
Sesja wygasła!

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: zanieczyszczenie motoryzacyjne

Sortuj według:

Ogranicz wyniki do:

Analiza składowych głównych w modelowaniu rozprzestrzeniania się zanieczyszczeń w obrębie dróg

Kucharski M., Kamiński W., Petera J.

Chemia i Inżynieria Ekologiczna

2005

Vol. 12, nr s1

93-101

Przedstawiono analizę składowych głównych (PCA) w celu redukcji wymiarowości wektora wejściowego do sztucznej sieci neuronowej (SSN). W prognozowaniu rozprzestrzeniania się zanieczyszczel1 zastosowano perceptron wielowarstwowy (MLP). Do trenowania wykorzystano dane doświadczalne uzyskane na wybranym odcinku drogi w Łodzi dotyczące stężenia tlenku węgla(II). Mierzono sześć wielkości charakteryzujących warunki klimatyczne oraz dwie określające natężenie ruchu samochodów osobowych i ciężarowych. Poprzez zastosowanie PCA wektor wejściowy zredukowano z ośmiu do trzech ortogonalnych skladowych głównych. Tak przetworzone dane posłużyły do trenowania i testowania sieci SSN. W dalszej części pracy porównano działanie sieci przy redukcji wymiarowości wektora wejściowego i bez. Dokonano również interpretacji ortogonalnych składowych.

Artifical neural networks became an impotrant significant tool in gaseous pollution forecasting. In this paper the Principal Component Analysis (PCA) is presented in order to reduce dimension of input vector to artifical neural network (ANN). In forecasting of pollution dispersion multilayer perceptron (MLP) was used. The experimental carbon monoxide data obntained along a chosen part of road in Łódź was used for training. Six variables describing the climate condition and two determining traffic volume were measured. Input vector was reduced From eight to three orthogonal principal components by using PCA. The transformed data was used for training and testing ANN networks. In the second part of the paper the network performance with transformed of input vector and without was compared. The interpretation of orthogonal component was carried out.