Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: grupowanie k-średnich

Sortuj według:

Ogranicz wyniki do:

The Application of Association Rules to Detect the Effects of Vaccinations against Covid-19 in the EU-27. Preliminary Estimates

100%

Berezka K.

Econometrics. Ekonometria. Advances in Applied Data Analytics

2023

tom 27

nr 1

1-16

W tym badaniu autorzy uzyskali wstępną ocenę skuteczności wykrywania szczepień przeciwko COVID-19 w UE-27. Empiryczną podstawą badania jest dzienna liczba zachorowań na COVID-19, szczepień, hospitalizacji i zgonów w krajach UE w okresie od marca 2020 do marca 2022 r. Reguły asocjacji posłużyły do zidentyfikowania nieoczywistych powiązań między szczepieniami przeciwko COVID-19 oraz przypadków zachorowań, hospitalizacji i zgonów z powodu COVID-19. Uzyskane wyniki posłużyły do grupowania krajów UE według poziomu szczepień przeciwko COVID-19, przypadków choroby, zgonów z jej powodu oraz hospitalizacji dla krajów członkowskich UE. Do analizy skupień zastosowano metodę k-średnich grupowania. Ujawniono ukryte zależności liczby zachorowań na COVID-19, liczby hospitalizacji z powodu COVID-19 oraz liczby zgonów z powodu COVID-19 w związku z liczbą szczepień przeciwko COVID-19 w krajach UE. Stwierdzono z dużym prawdopodobieństwem, że szczepienia istotnie wpływają na poziom zachorowalności. Po raz pierwszy uzyskano reguły asocjacyjne, które są wstępnymi szacunkami zależności między dynamiką szczepień przeciwko COVID-19 a dynamiką zachorowań na COVID-19, hospitalizacji z tego powodu i zgonów w krajach UE. Wyniki mogą posłużyć do podejmowania korzystnych decyzji, np. do uregulowania polityki szczepień w poszczególnych krajach UE i przewidywania przyszłych konsekwencji choroby.

In this research study, the authors obtained the preliminary evaluation of the impact detection of vaccinations against COVID-19 in the EU-27. The empirical basis of the study was the daily number of COVID-19 cases, vaccinations, hospitalisations, and deaths in the EU countries from March 2020 to March 2022. Rules of association were used to identify non-obvious associations between vaccinations against COVID-19 and cases of illness, hospitalisations, and deaths from COVID-19. The obtained results were used to cluster the EU countries by the level of vaccinations against COVID-19, cases of COVID-19, deaths from COVID, and COVID-19 hospitalisations for the EU member states. The K-means clustering method was used for cluster analysis. Hidden dependencies of the number of COVID-19 cases, the number of COVID-19 hospitalisations, and the number of COVID-19 deaths due to the number of vaccinations against COVID-19 by EU countries were revealed. It was established with a high probability that vaccination significantly affects the level of morbidity. For the first time, association rules were obtained, which are preliminary estimates of the relationship between the dynamics of vaccinations against COVID-19 and the dynamics of COVID-19 cases, COVID-19 hospitalisations, and deaths from COVID-19 in the EU. The results can be used to make beneficial decisions, for example, to regulate vaccination policies in individual EU countries, and predict the future consequences of the COVID-19 pandemic.

Classification models based on association rules for estimation of key process variables in nuclear power plant

88%

Narasimhan S. , Rajendran V.

Journal of Power Technologies

2020

tom Vol. 100, nr 4

315--330

Nuclear power plant process systems have developed great lyover the years. As a large amount of data is generated from Distributed Control Systems (DCS) with fast computational speed and large storage facilities, smart systems have taken over analysis of the process. These systems are built using data mining concepts to understand the various stable operating regimes of the processes, identify key performance factors, makes estimates and suggest operators to optimize the process. Association rule mining is a frequently used data-mining conceptin e-commerce for suggesting closely related and frequently bought products to customers. It also has a very wide application in industries such as bioinformatics, nuclear sciences, trading and marketing. This paper deals with application of these techniques for identification and estimation of key performance variables of a lubrication system designed for a 2.7 MW centrifugal pump used for reactor cooling in a typical 500MWe nuclear power plant. This paper dwells in detail on predictive model building using three models based on association rules for steady state estimation of key performance indicators (KPIs) of the process. The paper also dwells on evaluation of prediction models with various metrics and selection of best model.