W artykule zaprezentowano wyniki badań z zastosowaniem metody grupowania aglomeracyjnego. Celem badań było pogrupowanie państw członkowskich UE-28 w podzbiory najbardziej do siebie podobne pod względem emisji metanu i podtlenku azotu, uwalnianych przez sektor rolny, oraz usytuowanie Polski na ich tle. Wyraźnie homogenicznym państwem jest Francja z najwyższymi w Unii emisjami rolniczymi. Odrębne skupienie stanowią Niemcy i Wielka Brytania, również charakteryzujące się wysokimi emisjami. Trzecia wyodrębniona grupa, także z emisjami powyższej średniej europejskiej, składa się z sześciu krajów, do których zakwalifikowała się Polska. Pozostałe 19 państw zaszeregowały się do ostatniego skupienia.
EN
The article presents the results of using the agglomerative clustering method. The aim of the study was to group the Member States of the EU-28 in most similar to each other subsets in terms of methane and nitrous oxide emissions released by agricultural sector and the location of Poland in their background. Clearly homogeneous is France with the highest agricultural emissions in the union. Separate cluster represent Germany and the United Kingdom, also characterized by high emissions. The third separate group, also with emissions above the European average is consist of six countries, where Poland has been qualified too. The remaining 19 countries has been categorized to the last cluster.
Celem przeprowadzonych prac badawczych było sprawdzenie wpływu wymiarów trasera na jakość tworzonych niejednorodnych mieszanin ziarnistych miału węglowego i biomasy. Głównym składnikiem (traserem) była biomasa. Artykuł jest częścią badań nad wykorzystaniem komputerowej analizy obrazu w procesie mieszania miału węglowego z biomasą jako paliwa do współspalania.
EN
The aim of this study was to check the influence of the tracer dimensions in heterogeneous granular mixtures of coal dust with biomass. As a tracer (key component) the biomass were used. The study is a part of investigation about computer analysis usage in the process of mixing coal dust with biomass as fuel for co-firing.
W artykule przedstawiono wpływ chowu zwierząt gospodarskich w kontekście jego oddziaływania na środowisko przyrodnicze. Podkreślono rolę dynamicznie wzrastającej populacji ludzkiej i zapotrzebowania na produkty pochodzenia zwierzęcego. Przedstawiono problemy środowiska przyrodniczego wynikające z intensywnej produkcji zwierząt. Rolnictwo emituje 64% światowych emisji podtlenku azotu, uwalnianych głównie na skutek stosowania nawozów, a chów zwierząt odpowiada za 35-40% emisji metanu na świecie. Ograniczenia emisji upatruje się w różnych sposobach związanych z żywieniem zwierząt, zarządzaniem i przechowywaniem obornika, zarządzaniem uprawami pod produkcję pasz, a także bardziej radykalnymi zmianami całego systemu produkcyjnego. Zrównoważone wykorzystanie zasobów środowiska m.in. zmiana naszych nawyków żywieniowych pozwoliłaby na zwiększenie dostępności żywności na świecie.
EN
The paper presents the impact of livestock farming within the context of its effect on the environment. Highlights the role of dynamically growing human population and the demand for products from animals. The problems of the environment resulting from intensive livestock production. Agriculture produces 64% of global emissions of nitrous oxide, released mainly by the use of fertilizers and livestock is responsible for 35-40% of methane emissions in the world. Reducing emissions are seen in different ways of animal feeding, manure management and storage, management of crops for feed production, as well as more radical changes of the production system. Sustainable use of environmental resources such as eg changing our dietary habits would increase the availability of food in the world.
Rozwój otaczającego nas świata staje się coraz szybszy. Aby zapewnić bezpieczeństwo nowych technologii, wprowadzać usprawnienia już istniejących i eliminować zjawiska niepożądane przy konstruowaniu i eksploatacji maszyn wspomagających naszą ewolucję musimy dostarczać nowych, szybszych metod przeprowadzania badań za to odpowiedzialnych. Połączenie komputerowej analizy obrazu z doświadczeniami stosunkowo młodej dziedziny nauki, jednak bardzo potrzebnej, takiej jak tribologia, ma swoje uzasadnienie. Obecnie skomputeryzowane systemy wizyjne już zastępują i wspomagają ludzi w wielu procesach analizy i rozpoznawania klas obrazów w takich dziedzinach nauki jak krystalografia, metalografia, medycyna, inżynieria rolnicza i inne. Dzięki wykorzystaniu tej metody rozszerza się zakres percepcji naszego wzroku poprzez dostrzeganie różnić niewykrywalnych podczas bezpośredniej obserwacji, po wtóre umożliwia ona automatyczną a zarazem masową analizę i klasyfikację setek tysięcy obrazów w oparciu o różne kryteria bez ograniczeń, które posiada człowiek, takich jak emocje czy też zmęczenie. W artykule zaprezentowana została metoda wykorzystania komputerowej analizy obrazów do oceny ilościowej i jakościowej zużycia rolek napinaczy.
EN
The development of the world around us accelerates. To ensure security of new technologies, to introduce improvements of those already in existence and to eliminate undesirable events during construction phase and operation of new machines that aid our evolution, we have to devise new and faster methods of researching the processes. The combination of computer image analysis with experiences of a relatively new branch of science, yet much needed one, such as tribology, is justified. Current computerized vision systems, replace and support people in multiple processes of analysis and object class recognition in such branches of science as: crystallography, metallography, medicine, agricultural engineering and others. By using this method, the range of perception of our sight is expanded to notice differences that cannot be detected during direct observation, moreover, it also enables automatic and mass analysis, with classification of hundreds of thousands of images based on various criteria, without limitations that a human being is prone to, such as emotions or fatigue. The article presents a method of using computer image analysis to assess quantitative and qualitative wear of belt tensioner rollers.
W artykule zaprezentowano wyniki badań z zastosowaniem narzędzi eksploracji danych w zakresie usytuowania Polski na mapie krajów UE-27 pod względem wielkości upraw oraz pogłowia zwierząt gospodarskich. Zastosowano w tym celu dwie różne metody: analizę składowych głównych oraz grupowanie aglomeracyjne. Uzyskane w obu przypadkach wyniki badań są niemal identyczne i wśród 27 krajów wskazują na wyraźnie homogeniczne państwa: Polska, Francja, Niemcy, Włochy, Hiszpania, Wielka Brytania oraz Rumunia, a w przypadku grupowania aglomeracyjnego także Holandia. Pozostałe kraje stanowiły liczną, odrębną grupę. Badania przeprowadzono w pakiecie Statistica v.10.
EN
The article presents the results of using data mining tools in the field of Polish location on a map of the EU-27 in terms of crops and livestock population. For this purpose two different methods were used: principal component analysis and agglomerative clustering. Obtained in both cases results are almost identical, and among the 27 countries indicate clearly homogeneous countries: Poland, France, Germany, Italy, Spain, the UK and Romania, in the case of the agglomeration group also Netherlands. Other countries accounted for a large, separate group. The study was conducted in the package Statistica v. 10.
Methane and nitrous oxide are key pollutants emitted from agriculture. Primarily the livestock production has a significant share in CH4 emissions. The N2O emissions largely correspond to direct emissions associated with the cultivation of soils. The priority task of agriculture is to develop adaptive solutions enabling the reduction of pollutions in the next years. These capabilities apply to both technological solutions on the farms, as well as improved methods of management and policy tools. Therefore complementary information to the knowledge in the field of the possibilities for reducing CH4 and N2O are extremely valuable. The study of predictions of N2O and CH4 emissions on the basis of different arable crops areas with the use of Flexible Bayesian Models of neural networks was carried out. The decision trees have been designed in order to provide the knowledge and methods that allow the rapid identification of the most important arable crops that affect the quantity of these emissions. On the basis of the conducted analysis, wheat, maize and potatoes in the case of N2O emission and wheat and maize in the case of CH4 emission are the most important differentiating variables.
Agricultural practices contribute to emissions of the greenhouse gases (GHGs) such a methan (CH4) and nitrous oxide (N2O). Their estimated share from agricultural sources is assessed at around 50% of CH4 and 60% of N2O emissions. The efforts made by the agricultural sector aim to limit and reduce emissions. Due to their significant share, all the complementary knowledge information concerning their reduction are highly precious. The paper proposes the use of neural modeling techniques and the summary of results by modeling based on a decision tree (Recursive Partitioning) to estimate the levels of methane and nitrous oxide emissions from agriculture under varying weather conditions in Poland. The obtained results support the hypothesis that neural model describing the effect of meteorological conditions on the CH4and N2O emissions is an appropriate tool for the assessment of the projected emission level.
PL
Praktyki rolnicze przyczyniają się do emisji gazów cieplarnianych (GGC), takich jak metan (CH4) i podtlenku azotu (N2O). Ich szacunkowy udział ze źródeł rolniczych oceniany jest na około 50% emisji CH4 i 60% emisji N2O. Wysiłki podejmowane przez sektor rolny mają na celu ograniczenie i redukcję ich emisji. Ze względu na ich znaczący udział, wszelkie informacje dopełniające wiedzę na temat możliwości ich redukcji są niezwykle cenne. W pracy zaproponowano wykorzystanie technik neuronowego modelowania oraz posumowania wyników z wykorzystaniem modelowania w oparciu o drzewo decyzyjne (Recursive Partitioning) do estymacji poziomu metanu i podtlenku azotu emitowanych z rolnictwa przy zmiennych warunkach meteorologicznych w Polsce. Uzyskane wyniki badań potwierdzają hipotezę, że model neuronowy, opisujący wpływ warunków meteorologicznych na emisję CH4 i N2O, jest właściwym instrumentem dla dokonania oceny prognozowania poziomu tej emisji.
W artykule zaprezentowano wyniki badań w zakresie podobieństw Polski w strukturze upraw i chowu zwierząt gospodarskich z krajami UE-27. Do badań wykorzystano analizę składowych głównych. Zastosowana metoda pozwoliła na kompleksową ocenę współzależności cech. Analizy przeprowadzono w pakiecie Statystyka v. 10. Spośród przyjętych do analizy 13 pierwotnych zmiennych wyodrębniono 2 nowe zmienne (składowe główne). Polska, Litwa, Łotwa, Niemcy, Czechy, Rumunia, Węgry oraz Wielka Brytania charakteryzują się istnieniem zbliżonych współzależności pomiędzy strukturą upraw a chowem zwierząt.
EN
The paper presents the results of research in the field of Polish similarities in the structure of crops and breeding with the EU-27 countries. The principal component analysis was used to studies. The applied method enabled to the comprehensive assessment of interdependence features. Among adopted for the analysis 13 initial variables, 2 new variables (principal components) were extracted. Countries: Poland, Lithuania, Latvia, Germany, the Czech Republic, Romania, Hungary and the United Kingdom are characterized by the existence of close relationships between the structure of crops and animal husbandry. Analyses were carried out in the packet Statistica v. 10.
W artykule opisano przebieg badań zmiennych bezpośrednio związanych z rolniczymi emisjami podtlenku azotu w Polsce. Na podstawie regresji liniowej utworzono model opisujący analizowane zmienne. W wyniku przeprowadzonych testów Pearsona i Shapiro-Wilka wyeliminowano zmienne nie spełniające założeń. W otrzymanym liniowym modelu regresyjnym 63% zmienności emisji N2O tłumaczona jest zmiennością zużycia nawozów azotowych. Badania prowadzono z wykorzystaniem pakietu statystycznego R-Project.
EN
In the article the variables directly related to agricultural nitrous oxide emissions in Poland were studied. Based on a linear regression the model was created to describe the analyzed variables. As a result of Pearson's test and Shapiro-Wilk the variables which did not fulfill the tests assumptions were eliminated. In the resulting linear regression model, 63% of the variability of N2O emissions is explained by variability in use of nitrogen fertilizers. The study was conducted using the statistical package R-Project.
Gazy cieplarniane emitowane przez rolnictwo to przede wszystkim metan (CH4) i podtlenek azotu (N2O). Szacuje się, iż 18% światowej emisji gazów cieplarnianych pochodzi z chowu zwierząt gospodarskich. W artykule zaprezentowano wyniki modelowania regresyjnego w emisji metanu i podtlenku azotu z chowu zwierząt gospodarskich w Polsce. Badania przeprowadzono dla emisji uwalnianych z fermentacji jelitowej zwierząt (CH4) oraz zarządzania obornikiem (CH4 i N2O). Modelowanie krokowe wsteczne umożliwiło dokładne określenie wielkości udziału pogłowia zwierząt w emisjach. I tak w przypadku emisji CH4 z fermentacji jelitowej otrzymano współczynniki Beta o wartościach: dla krów - 0,667 oraz pozostałego bydła 0,339. Modelowanie emisji CH4 z zarządzania obornikiem wskazało na udział w kolejności znaczenia następujących zmiennych: pogłowia trzody chlewnej (współczynnik Beta równy 0,986), kóz (-0,61), drobiu kurzego (0,421) oraz owiec (0,312). W przypadku emisji N2O uwalnianych z zarządzania obornikiem wysoki współczynnik odnotowano dla zmiennej pogłowie krów (0,812) oraz znaczniej niższy dla trzody chlewnej (0,227). W każdym z rozpatrywanych przypadków uzyskano wysokie dopasowanie modelu do danych.
EN
Primarily methane (CH4) and nitrous oxide (N2O) are greenhouse gases emitted by agriculture. It is estimated that 18% of global greenhouse gas emissions originates from livestock farming. This paper presents the results of the regression modeling of methane and nitrous oxide from livestock farming in Poland. The study was conducted for the emissions released from animal enteric fermentation (CH4) and manure management (CH4 and N2O). Modeling stepwise allowed a precise determination of the share of livestock population in the emissions. And so, in the case of CH4 emissions from enteric fermentation Beta coefficients obtained values: for cows - 0.667 and 0.339 for rest of cattle. Modeling CH4 emissions from manure management pointed to participation of the following variables, in order of importance: pigs population (Beta coefficient equal to 0.986), goats (-0.61), poultry chicken (0.421) and sheep population (0.312). In the case of N2O emissions released from manure management a high rate has been recorded for cows population (0.812), and significantly lower for pigs (0.227). In each of considered cases a high fitting of the model to the data has been obtained.
W artykule przedstawiono wyniki grupowania krajów europejskich w zakresie podobieństw w dostępie do zasobów wodnych. Grupowanie przeprowadzono, stosując hierarchiczną metodę aglomeracyjną. Wskazano miejsce Polski w kontekście badanego zagadnienia. Wyłoniono cztery skupienia. Polska - na tle skupienia, do którego przynależy - jest państwem o najniższych zasobach odnawialnych oraz niskich zasobach wewnętrznych, dopływie i odpływie oraz stosunkowo wysokich w odniesieniu do krajów Europy opadach.
EN
The article presents the results of classification of the European countries in terms of similarities in the access to water resources. The classification was carried out using the hierarchical agglomeration method. The article indicates the place of Poland in the context of the examined problem. As a result of the classification, four clusters were separated. Poland - in comparison to the cluster to which it belongs - is a state of the lowest renewable resources and Iow internal resources, inflow and outflow, as well as relatively high precipitations in comparison to other European countries.
12
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Agricultural greenhouse gases emissions are mainly produced in direct emissions from plant and animal production as well as those associated with land use changes. Agriculture is a major source of atmospheric nitrous oxide (N2O). N2O emissions from agricultural production has the source primarily in soil fertilized by mineral and organic fertilizers. In Poland, agricultural soils are responsible for 77.1% of emissions. Emissions associated with the animal manner farming amount 22.8%. Studies attempt to modeling and predicting of N2O emissions from Direct Soil Emissions in relation to the use of crops and livestock population. In the analysis an artificial neural networks were used. The best values showing the quality of neural regression model were obtained by multilayer perceptrons MLP. Based on the sensitivity analysis, attempts were taken to determine the extent of the contribution of each selected variables on the estimate of the direct emissions of N2O from agricultural soils. The sensitivity analysis of designed network on the structure MLP 9-4-1 shows that the amount of nitrogen fertilizer consumption has the biggest share in the shaping of N2O emissions from Direct Soil Emissions. The sensitivity analysis of network on the structure MLP 16-5-1 pointed to participate cattle and pigs as the most important in the formation of N2O emissions from Direct Soil Emissions. Among the crops in Poland, which may affect the release of N2O stands out rapeseed and rye. The study was conducted using the statistical package Statistica v. 10.0.
PL
Emisje rolnicze głównych gazów cieplarnianych to głównie bezpośrednie emisje wytwarzane w produkcji roślinnej i zwierzęcej, jak również te związane ze zmianami w sposobie użytkowania gruntów. Rolnictwo jest głównym źródłem atmosferycznego podtlenku azotu (N2O). Emisja N2O z produkcji rolniczej ma źródło przede wszystkim w glebie nawożonej nawozami mineralnymi i organicznymi. W Polsce gleby rolne odpowiedzialne są za 77,1% emisji N2O. Emisja związana z gospodarką odchodami zwierząt wynosi 22,8%. W badaniach podjęto próby modelowania i przewidywania bezpośrednich emisji N2O z gleb w odniesieniu do wielkości upraw i pogłowia zwierząt hodowlanych. W analizach posłużono się sztucznymi sieciami neuronowymi. Najlepsze wartości parametrów mówiących o jakości neuronowego modelu regresyjnego uzyskały perceptrony wielowarstwowe MLP. Na podstawie analizy wrażliwości zaprojektowanego modelu sztucznej sieci neuronowej podjęto próbę ustalenia stopnia udziału poszczególnych wybranych zmiennych na prognozowaną wielkość bezpośrednich emisji N2O z gleb rolnych. Analiza wrażliwości zaprojektowanej sieci MLP o strukturze 9-4-1 wykazała, że poziom zużycia nawozów azotowych ma największy udział w kształtowaniu emisji N2O z gleb rolnych. Analiza wrażliwości sieci MLP o strukturze 16-5-1 wskazała na udział bydła i trzody chlewnej jako najistotniejszy w kształtowaniu emisji N2O. Wśród upraw w Polsce, które mogą wpływać na wielkość uwalnianych emisji N2O, wyróżnia się rzepak oraz żyto. Badanie przeprowadzono z wykorzystaniem pakietu statystycznego Statistica v. 10.0.
Dzięki sztucznym sieciom neuronowym możliwie jest rozwiązywanie specyficznych problemów, z którymi zmagają się tradycyjne techniki obliczeniowe. Sieci neuronowe mogą być stosowane tam, gdzie występują problemy z przetwarzaniem i analizą danych, ich przewidywaniem, klasyfikacją i kontrolą. Podjęte badanie wskazują, które czynniki sektora rolnego krajów Organizacji Współpracy Gospodarczej i Rozwoju (OECD) są powiązane z emisjami dwutlenu wegla. Badania oparto na analizie wariancji ANOVA z wykorzystaniem pakietu statystycznego R. Ewentualne spodziewane emisje dwutlenku węgla prognozowano z wykorzystaniem sieci neuronowych (SSN) Flexible Bayesian Models on Neural Networks. Prognozy umożliwiły identyfikację czynników szczególnie istotnych. Badanie wykazały znaczący wpływ na wielkość emisji dwutlenu wegla wielkości areałów pastwisk oraz gruntów ornych i stałych powierzchni upraw.
W artykule zaprezentowano główne źródła emisji gazów cieplarnianych związanych z hodowlą zwierząt. Wskazano obecne oraz szacowane w najbliższej przyszłości wielkości emisji. Podkreślono znaczenie czynników, których ograniczenie bądź zmiana może prowadzić do redukcji emisji tych związków
EN
The article presents the main sources of greenhouse gas emissions associated livestock farming. Indicated current and estimated in the near future emissions. Highlighted significant factors which limitation or change can lead to reductions of these compounds.
Badania miały na celu pogrupowanie państw UE 27 w jednorodne zbiory pod względem podobieństw w obszarze zdolności i możliwości roślinnej produkcji rolnej oraz uszeregowanie pozycji Polski w kontekście tego zagadnienia. Wykorzystano w tym celu metody grupowania aglomeracyjnego. Liczną grupę zakwalifikowaną w jedno skupienie stanowią państwa z wysokim wskaźnikiem pozyskiwania plonów z hektara upraw, tj. Austria, Belgia, Holandia, Niemcy, Francja, Szwecja, Słowenia, Irlandia, Finlandia, Wielka Brytania, Włochy. Polska charakteryzuje się wysokim udziałem gruntów ornych i jednocześnie posiada jedną z najniższych w Unii wartość uzyskiwania plonu z hektara. Badania przeprowadzono z wykorzystaniem pakietu Statistica 10.0.
EN
Research aimed to grouping the EU 27 states in homogeneous sets as regards similarities in the capacities and capabilities of crop agricultural production and ranking of Polish position in the context of this issue. The agglomerative method of clustering was used for this purpose. The states with high rates of harvesting of yields per hectare, i.e. Austria, Belgium, Holland, Germany, France, Sweden, Slovenia, Ireland, Finland, Great Britain, Italy constitute a numerous group admitted to one cluster. Poland has a high proportion of arable land in EU and also one of the lowest rate of the yields per hectare. The study was conducted using the Statistica 10.0.
W badaniach przeprowadzono redukcję wymiarowości danych z wykorzystaniem metody analizy składowych głównych. Analizie poddano dwie grupy zmiennych: wielkość pogłowia zwierząt gospodarskich oraz areał upraw w Europie. Z wymiaru 13 zmiennych otrzymano dwie główne składowe, które w 95% wyjaśniają zmienności pierwotnych danych.
EN
In the study, dimensionality reduction of data was carried out using the method of Principal Components Analysis (PCA). Two groups of variables were analyzed - size of population of livestock and crop areas in Europe. Two principal components explaining in 95% variability of the original data were obtained from dimension of the 13 variables.
W badaniach wykorzystano metodę analizy składowych głównych w celu wyodrębnienia istotnie skorelowanych zmiennych powiązanych z emisją głównych gazów cieplarnianych z rolnictwa względem sposobu użytkowania gruntów. Metoda daje sposobność zastąpienia wejściowego zbioru skorelowanych cech poprzez niewielką liczbę nieskorelowanych składowych głównych, które stanowią liniowe kombinacje zmiennych. Minimalizacja liczby zmiennych potrzebnych do wyjaśnienia danej zmiennej upraszcza interpretację wyników. Badania przeprowadzono z wykorzystaniem programu Statistica 9.0. Wyodrębniono dwie składowe główne, które w 96% wyjaśniają zmienności danych wejściowych. Pierwsza główna składowa wyjaśnia 75% zmienności zawartych głównie w zmiennych grunty orne wraz ze stałą powierzchnią upraw i pastwiska oraz ujemnie skorelowanych zmiennych tj. inne grunty rolne, powierzchnia lasów a także ilość maszyn rolniczych. Druga składowa wyjaśnia 21% zmienności danych poprzez zmienną ilość zużytej w gospodarstwach rolnych energii.
EN
A method of principal components analysis was used in the research in order to separate significantly correlated variables related to emission of greenhouse gases from agriculture towards a method of using lands. The method gives opportunity to replace an input set of correlated features through a low number of non-correlated principal components, which constitute linear rearrangement of variables. Minimisation of the number of variables required to explain a particular variable simplifies interpretation of results. The research was carried out with the use of Statistica 9.0 programme. Two main components were separated, which in 96% explain variations of input data. The first main component explains 75% of variations included mainly in variables arable lands along with a constant surface area of crops and grazing lands as well as negatively correlated variables that is other arable lands, surface area of forests and number of agricultural machinery. The second component explains 21% of variations of data through a variable number of energy used in agricultural farms.
Agricultural greenhouse gases emissions are mainly produced in direct emissions from plant and animal production as well as those associated with land use changes. Studies attempt to describe the variables correlated with agricultural greenhouse gas emissions using linear regression. The analysis covered two groups of independent variables such as the main crops and livestock. The analysis included the last 20 years and variables were set using Pearson’s linear correlation. The resulting model concerns 87.5 % of the variability of agricultural greenhouse gases emissions, by cattle, horses, and rye. The study was conducted using the statistical package R-Project.
PL
Emisje rolnicze głównych gazów cieplarnianych to ważniejsze bezpośrednie emisje wytwarzane w produkcji roślinnej i zwierzęcej, jak również te związane ze zmianami w sposobie użytkowania gruntów. W badaniach podjęto próbę opisu zmiennych skorelowanych z rolniczymi emisjami gazów cieplarnianych z wykorzystaniem regresji liniowej. Do badań przyjęto dwie grupy zmiennych niezależnych, tj. główne uprawy oraz zwierzęta hodowlane. Analizie poddano okres ostatnich 20 lat. Korzystając z testu Pearsona, wyznaczono liniowe korelacje między zmiennymi. Otrzymany model w 87,5 % wyjaśnia zmienności rolniczych emisji GHG zmiennością udziału bydła, koni oraz żyta. Badania prowadzono z wykorzystaniem pakietu statystycznego R-Project.
Celem podjętych i przeprowadzonych badań była predykacja wielkości emisji CH4 z sektora rolniczego w Polsce na podstawie wielkości produkcji zwierząt gospodarskich. Prognozy prowadzono z wykorzystaniem sieci Flexible Bayesian Models. Poziom istotności analizowanych parametrów rozpatrzono w oparciu o testy Kendalla i Spearmana.
EN
The aim of the study was the prediction of CH4 emissions from the agricultural sector in Poland on the basis of livestock production. Projections were carried out using the Bayesian Flexible Models network. The level of significance of the analyzed parameters were considered based on the Kendall and Spearman tests.
Prezentowane badania miały na celu prognozowanie ilości emisji CH4 z produkcji zwierząt hodowlanych w Polsce w zależności od wielkości hodowli oraz potencjalnych emisji pochodzących z fermentacji jelitowej zwierząt. Predykcje prowadzono z wykorzystaniem sztucznej sieci neuronowej Flexible Byesian Models. Przy użyciu testu Pearsona wskazano korelacje rozpatrywanych czynników względem badanych parametrów.
EN
The aim of presented study was to forecast the CH4 emissions from livestock production in Poland and the potential emissions from enteric fermentation of animals. Predictions were carried out using artificial neural network Flexible Byesian Models. Correlations of selected terms of the factors considered in relation to the parameters were examined using Pearson's test.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.