Short and Long-term Data Prediction for Water Quality Estimation

• Autorzy: Dziadak, B.

Warianty tytułu

PL

Krótko i długoterminowa predykcja danych do oceny jakości wody surowej

• Języki publikacji: EN

Abstrakty

EN

In this paper two types of prediction algorithm are presented. Presented procedures are related to the distributed measurement system for clear water monitoring. First one relates to the situation when water parameters are rapidly change during ecological disaster. Second type of prediction is connected to long-term fluctuation of water quality due to natural factors.

PL

W artykule zaprezentowane są dwa algorytm predykcji wyników pomiarów parametrów świadczących o jakości wody surowej. Podane prognoz zostaną wykorzystywane do oceny jakości wody – prognoza długoterminowa, jak również będą wspomagać system alarmowania o wystąpieniu katastrof ekologicznych – prognoza krótkoterminowa. Oba przedstawione predyktory bazują na sieci neuronowej typu MLP.

Słowa kluczowe

PL

systemy pomiarowe; ochrona środowiska; predykcja

EN

measurement systems; environmental protection; data prediction

• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2013
• Tom: R. 89, nr 6
• Strony: 278--280
• Opis fizyczny: Bibliogr. 8 poz., tab., wykr.

Twórcy

autor

Dziadak, B.

• Warsaw University of Technology,

Bibliografia

• [1]. Dziadak B., Michalski A., “Quality engineering tools used to designe and optimization of Mobile Measurement Station structure, IEEE Instrumentatation and Measurement Magazine, 13, (2010), 01, 33 - 38
• [2]. Dziadak B., Michalski A., “Evaluation of the Hardware for a Mobile Measurement Station”, IEEE Industrial Electronics Transactions on, 58, (2011), 7, 2627 – 2635.
• [3]. Dziadak B., Kalicki A., Staroszczyk Z., Makowski Ł., Michalski A., “Framwork architecture of a large scale distributed measurement system for enviromental protection”, Inovative Technological Solutions for Sustainable Development (2010), 235 – 263.
• [4]. Bochnia T., Kaszowski J.; Opracowanie założeń dot. monitoringu jakości wód powierzchniowych w trybie on-line. Raport MPWiK, (in Polish), (2011).
• [5]. Kołodziej M., Majkowski A., Rak R.,“ Wykorzystanie maszyny wektorów wspierających (SVM) do klasyfikacji sygnału EEG na użytek interfejsu mózg-komputer”, Pomiary Automatyka Kontrola (in Polish), (2011), 12, 1546 – 1548.
• [6]. Siwek K., Osowski S., Sowoński M., “Evolving the Ensemble of Predictors Model for Forecasting the Daily Average PM10”, International Journal of Environment and Pollution, 46 (2011), ¾, 199 – 215.
• [7]. Makowski Ł., “Bayesian method to evaluate uncertainty of data fusion used to estimate cyanobacteria levels in Dobczyckie reservoir”, Przegląd Elektrotechniczny, (2012), 04a, 126 – 128.
• [8]. Dziadak B., Kalicki A., Staroszczyk Z., Makowski Ł., Michalski A., „Wykorzystanie fuzji danych do estymacji liczebności sinic w jeziorze Dobczyckim. Przegląd Elektrotechniczny, (in Polish), (2011) 9a, 87 – 90.