Wyniki wyszukiwania - BazTech

1

Development of cost estimation models based on ANN ensembles and the SVM method

Juszczyk Michał

Civil and Environmental Engineering Reports

|

2020

|

Vol. 30, no. 3

48--67

EN

Cost estimation, as one of the key processes in construction projects, provides the basis for a number of project-related decisions. This paper presents some results of studies on the application of artificial intelligence and machine learning in cost estimation. The research developed three original models based either on ensembles of neural networks or on support vector machines for the cost prediction of the floor structural frames of buildings. According to the criteria of general metrics (RMSE, MAPE), the three models demonstrate similar predictive performance. MAPE values computed for the training and testing of the three developed models range between 5% and 6%. The accuracy of cost predictions given by the three developed models is acceptable for the cost estimates of the floor structural frames of buildings in the early design stage of the construction project. Analysis of error distribution revealed a degree of superiority for the model based on support vector machines.

2

Prognozowanie zapotrzebowania mocy w KSE z horyzontem dobowym przy zastosowaniu zespołu sieci neuronowych

Ciechulski T., Osowski S.

Przegląd Elektrotechniczny

|

2018

|

R. 94, nr 9

108--112

PL

Artykuł przedstawia neuronową metodę prognozowania 24-godzinnego zapotrzebowania na moc elektryczną w Krajowym Systemie Elektroenergetycznym w Polsce z wyprzedzeniem dobowym. W predykcji zastosowano zespół sieci neuronowych złożony z RBF, MLP i SVM. Wskazania każdego członka zespołu podlegają integracji tworząc końcową prognozę zapotrzebowani na moc dla kolejnych 24 godzin następnego dnia. Metoda została przetestowana na danych rzeczywistych Krajowego Systemu Elektroenergetycznego wykazując znaczną przewagę nad pojedynczymi rozwiązaniami neuronowymi.

EN

The paper shows the neural method applied for 24-hour load forecasting for the next day in National Power System in Poland. Three neural networks: RBF, MLP and SVM arranged in an ensemble were used for predicting hourly load demands in the power system. Their individual predictions have been integrated into final forecast. The method was tested on the real data of Polish Power System, proving its effectiveness and significant improvement in accuracy.

3

Supporting the decision during inter-operational inspection of the electrodes based on the ensemble of neural networks

Nieciąg H., Kudelski R., Zagórski K.

Mechanik

|

2018

|

R. 91, nr 12

1060--1063

EN

In this paper the method based on the ensemble of artificial neural networks is presented for prediction of the geometrical quality of workpieces after electro-discharge machining (EDM). The complexity and random nature of physical phenomena accompanying the EDM process excluded the theoretical ways. The working electrodes were measured using CMM in flexible manufacturing system. The data obtained from inter-operational measurements were used for the neural networks training. Commonly used measures to express the tool wear turn out to be useless due to their large uncertainty. The tool monitoring and the ensemble method provided more stable diagnosis of the condition of the tool.

PL

W artykule przedstawiono metodę opartą na implementacji zespołu sztucznych sieci neuronowych w celu prognozowania geometrycznej jakości przedmiotów kształtowanych obróbką elektroerozyjną. Złożoność i losowy charakter zjawisk fizycznych towarzyszących procesowi obróbki EDM utrudniają teoretyczne podejście. Elektrody robocze zostały zmierzone za pomocą maszyny współrzędnościowej w elastycznym systemie produkcji. Dane uzyskane z pomiarów międzyoperacyjnych wykorzystano do szkolenia sieci. Powszechnie stosowane miary zużycia narzędzia okazały się nieprzydatne ze względu na ich znaczną niepewność. Monitorowanie narzędzia i zastosowanie zespołów sieci neuronowych pozwoliły na uzyskanie bardziej stabilnej diagnozy stanu narzędzia.