Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 6

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
Development trends (Research Trends) in scientific research on the methods of Multiple Criteria Decision Making (MCDM) and Multiple Criteria Decision Analysis (MCDA) in agriculture are analyzed. Established bibliometric techniques are applied. MCDA/MCDM methods are being very intensively developed in recent years, as evidenced by the number of scientific papers published annually in renowned scientific journals indexed in the Web of Science (WoS) database. In the years 1979-2015 a total of 1,355 scientific articles were collected in the database. The number of articles published annually increased rapidly after 2005. Besides, the annual number of citations of the publications is increasing. Research on MCDA/MCDM is conducted in many research areas. In the years 1984-2015 the Web of Science database accumulated 27 scientific publications on MCDA/MCDM in agriculture area. Therefore, it can be concluded that the MCDA/MCDM issues are currently not sufficiently analyzed in relation to agriculture. In the future this subject will probably be further developed, an increasing number of scientists will conduct research on the MCDA/MCDM and the annual number of articles published in the field will increase.
EN
The objective of the paper was to carry out a bibliometric quantitative analysis of publications concerning the application of artificial neural networks in the research area - agriculture and a bibliometric quantitative analysis and subject analysis with regard to agricultural engineering. A number of scientific publications devoted to the ANN found in the data base of the Web of Science - in documents published to 2015 was a basis for the quantitative analysis. Research on the use of artificial neural networks in the research area – agriculture is extending systematically. Moreover, a rapidly growing number of citations prove a continuous increase in the scientists' interest in possibilities of the ANN applications. The quantitative analysis of scientific publications in 5 selected scientific journals and thematically related to agricultural engineering (indexed in the Web of Science) allowed a statement that 236 scientific articles from 1996-2015 were related to the ANN application. The biggest number of publications was reported in Computers and Electronics in Agriculture - 118 articles. In 2011-2015 there was a growing trend in dynamics of publishing of scientific papers devoted to the ANN application to agricultural engineering. Thus, we may assume that the research related to application of the artificial neural networks to agricultural engineering will be continued and their scope and number will be still growing. The thematic analysis of the most often quoted publications from 2011-2015 in the journal Computers and Electronics in Agriculture, proved that they concern both the issues related to the classification problem as well as to modelling processes and systems. We should suppose that the subjects related to modelling of drying processes and application of neural networks for image analysis will grow dynamically in the following years.
PL
Celem pracy było przeprowadzenie bibliometrycznej analizy ilościowej publikacji dotyczących wykorzystania sztucznych sieci neuronowych (ANN) w obszarze badawczym rolnictwo oraz bibliometrycznej analizy ilościowej i tematycznej w dyscyplinie inżynieria rolnicza. Podstawą dla wykonania analiz ilościowych była liczba publikacji naukowych poświęconych ANN znaleziona w bazie Web of Science - dokumenty opublikowane do roku 2015. Badania nad zastosowaniami sztucznych sieci neuronowych w obszarze badawczym rolnictwo rozszerzają się systematycznie. O ciągłym wzroście zainteresowania naukowców możliwościami wykorzystania ANN świadczy również gwałtownie wzrastająca liczba cytowań. Analiza ilościowa publikacji naukowych w 5 wybranych czasopismach naukowych tematycznie związanych z inżynierią rolniczą (indeksowanych w bazie Web of Science) pozwoliła stwierdzić, że 236 artykułów naukowych z lat 1996-2015 było powiązane tematycznie z zastosowaniem ANN. Najwięcej publikacji odnotowano w czasopiśmie Computers and Electronics in Agriculture - 118 artykułów. W latach 2011-2015 występuje tendencja wzrostowa dynamiki publikowania prac naukowych poświęconych zastosowaniom ANN w inżynierii rolniczej. Można zatem wnioskować, że badania związane z zastosowaniem sztucznych sieci neuronowych w dyscyplinie inżynieria rolnicza będą kontynuowane, a ich zakres i liczba będzie się w dalszym ciągu zwiększać. Analiza tematyki najczęściej cytowanych publikacji z lat 2011-2015 w czasopiśmie Computers and Electronics in Agriculture wykazała, że dotyczą one zarówno zagadnień związanych z problemem klasyfikacji, jak i modelowania procesów i systemów. Należy przypuszczać, że tematyka związana z modelowaniem procesów suszarniczych oraz wykorzystaniem sieci neuronowych do analizy obrazu będzie się w kolejnych latach gwałtownie rozwijać.
EN
The article presents the procedure of determination of a structural form of an agricultural machine which encompasses methodological aspects of design related to the division of the basic objective function into member functions, multi-variant solutions and synthesis of astructural form (a virtual prototype of an agricultural machine). The suggested course of proceeding was presented by the case of a design of a tunnel spraying machine. This example reflects well and includes the specificity of the design object in the form of an agricultural machine with specific technical and agro-technical requirements. Attention was paid to the aspects related to methodology of selection of fractional solutions based on previously defined criteria.
PL
W artykule przedstawiono procedurę postępowania przy wyznaczaniu postaci konstrukcyjnej maszyny rolniczej, uwzględniającą aspekty metodyczne projektowania, związane z podziałem zasadniczej funkcji celu na funkcje składowe, wielowariantowe rozwiązania oraz syntezę postaci konstrukcyjnej (prototyp wirtualny maszyny rolniczej). Proponowany tok postępowania przedstawiony został na przykładzie projektu opryskiwacza tunelowego. Przykład ten dobrze odzwierciedla i uwzględnia specyfikę przedmiotu projektowania, jakim jest maszyna rolnicza o szczególnych wymaganiach technicznych i agrotechnicznych. Zwrócono uwagę na aspekty związane z metodyką wyboru rozwiązań cząstkowych w oparciu o wcześniej ustalone kryteria.
EN
The objective of the research was to create a model which defines the relation between a fundamental contact area of a seed and the pressure force, water content in a seed and its geometrical dimensions with application of artificial neural networks (SSN). Computer program Statistica Neural Networks v. 6.0. was used for formation of a neural model. Tests were carried out on Roma wheat seed and Dańkowskie Złote rye with six various water contents: 0.11 0.15 0.19 0.23 0.28 0.33 (kg⋅kg-1 dry mass). Caryopses were loaded with eight values of compression force - from 41 N to 230 N. Multiplicity of iterations was 5. Seed material was moistened to obtain a specific water content. Each seed was loaded with compression force with respectively growing values: 41N, 68N, 95N, 122N, 149N, 176N, 203N and 230N. A four-layer network of Perceptron type with 10 neurons in the first and 8 neurons in the second hidden layer was selected as a model which the best defines the contact area of grain seeds loaded with axial force at various moisture levels. This network has 4 inputs (water content, pressure force, thickness and length of caryopses) and one output (elementary contact area of rye and wheat seeds). Comparison of the neural model with empirical formulas obtained from nonlinear estimation proved a considerable higher precision of the first one.
PL
Celem badań było utworzenie modelu określającego zależności między elementarną powierzchnią kontaktu ziarna, a siłą nacisku, zawartością wody w ziarnie oraz jego wymiarami geometrycznymi, przy wykorzystaniu sztucznych sieci neuronowych (SSN). Do tworzenie modelu neuronowego wykorzystano program komputerowy Statistica Sieci Neuronowe v. 6.0. Badania przeprowadzono na ziarnie pszenicy Roma oraz żyta Dańkowskie Złote, przy sześciu różnych zawartościach wody: 0,11 0,15 0,19 0,23 0,28 0,33 (kg⋅kg-1 s.m.). Ziarniaki obciążano ośmioma wartościami siły ściskającej – od 41N do 230N. Krotność powtórzeń wynosiła 5. Materiał ziarnisty nawilżano aby uzyskać określoną zawartość wody. Każde ziarno obciążano siłą ściskającą o kolejno rosnących wartościach: 41N, 68N, 95N, 122N, 149N, 176N, 203N i 230N. Jako model najlepiej określający powierzchnię styku ziarna zbóż obciążanego siłą osiową, przy różnej wilgotności wybrano czterowarstwową sieć typu Perceptron o 10 neuronach w pierwszej i 8 neuronach w drugiej warstwie ukrytej. Sieć ta posiada 4 wejścia (zawartość wody, siła nacisku, grubość i długość ziarniaka), i jedno wyjście (elementarna powierzchnia kontaktu ziarna żyta i pszenicy). Porównanie modelu neuronowego z formułami empirycznymi uzyskanymi z estymacji nieliniowej wykazało zdecydowanie większą dokładność pierwszego z nich.
PL
W artykule ogólnie scharakteryzowano kopalnię "Pniówek", jej obszar górniczy, położenie geograficzne. Jeden z rozdziałów zawiera rys historyczny kopalni wraz z kalendarium ważniejszych wydarzeń z jej historii. W kolejnych rozdziałach scharakteryzowano złoża kopalni, w tym tektonikę, zasoby; także zagrożenia naturalne występujące na dole kopalni "Pniówek", a mianowicie zagrożenie wyrzutami metanu i skał, pożarowe, tąpaniami, zagrożenie temperaturowe. Opisano także proces produkcyjny, zakład przeróbki mechanicznej węgla. Artykuł zakończono przedstawieniem zdolności wydobywczej i podsumowaniem sytuacji ekonomicznej kopalni.
EN
The article generally characterizes "Pniowek" coal mine, its mining area and geographical location. One of the chapters contains a historical overview of the mine along with a calendar of more important events in its history. The sequent sections characterize the mine deposits, including tectonics, resources, and natural hazards occurring underground in "Pniowek" mine, namely the methane rocks outbursts hazard and, fire, rockburst and temperature hazards. It also describes the coal production process and mechanical coal preparation plant. The article is concluded with the presentation of mining capacity and the summary of the economic situation of the mine
PL
W 1996 roku - na zlecenie Jastrzębskiej Spółki Węglowej SA - Biuro Studiów iProjektów Górniczych wraz z Politechniką Śląską wykonały "Analizę celowości budowy nowych poziomów wydobywczych w kopalniach "Borynia", "Jas-Mos", "Krupiński", "Morcinek", "Pniówek" oraz "Zofiówka". W analizie tej wykazano celowość budowy poziomu 1000 w kopalni "Pniówek". W 1997 roku Biuro Studiów i Projektów Górniczych opracowało trójwariantową "Koncepcję budowy poziomu 1000", a w 1998 roku w Biurze Studiów i Projektów Górniczych opracowano Założenia Techniczno-Ekonomiczne budowy poziomu 1000 jako niezależnego poziomu wydobywczego. Obecnie kopalnia opracowała aktualizację uwzględniającą dotychczasowe prace oraz zamierzenia inwestycyjne w latach 2009-2015.
EN
In 1996-on the assignment of Jastrzebska Coal Company SA- Studies and Designing Office together with Silesian Technical University executed the "Analysis of the advisability of construction ofnew mining levels in "Borynia", "Jas-Mos", "Krupinski", "Morcinek", "Pniowek" and "Zoflowka" mines. This analysis showed the advisability ofthe construction of 1000 level "Pniowek" mine. In 1997, the Mining Studies and Designing Office developed a three - alternations .Concept of construction of 1000 horizon", and 1998 the Mining Studies and Designing Office developed technical and economic assumptions for the construction of 1000 horizon as an independent mining horizon. Currently, the mine has released an update tak ing into account the up-to-date works and investment intentions in 2009-2015.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.