Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl
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
Wyszukiwano:
w słowach kluczowych:  stepwise regression
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
This study presents an experimental work on coarse rotund sand - mica mixture and availability of a stepwise regression (SR) method for the results formulation. The experimental database used for SR modelling is based on a laboratory study of saturated coarse rotund sand and mica mixtures with various mix ratios under a 100 kPa effective stresses. In the tests, deviatoric stress (q), pore water pressure generation (u), and strain levels have been measured in a 100 mm diameter conventional triaxial testing apparatus. The input variables in the developed SR models are the mica content, and strain, and the outputs are deviatoric stress, pore water pressure generation, and undrained Young’s modulus. The performance of accuracies of proposed SR models are quite satisfactory. The proposed SR models are presented as simple explicit mathematical functions for further use by researchers.
PL
Artykuł przedstawia badania doświadczalne prowadzone dla mieszaniny gruboziarnistego okrągłego piasku i miki oraz możliwości metody regresji krokowej (SR) dla wyrażenia za pomocą wzoru wyników badań. Dane doświadczalne zastosowane w modelowaniu regresji krokowej SR są oparte na studium laboratoryjnym nasyconych mieszanin gruboziarnistego okrągłego piasku i miki dla zmiennych proporcji mieszanin poddanych efektywnym naprężeniom równym 100 kPa. Podczas badań w konwencjonalnym aparacie trójosiowego ściskania dla próbek o średnicy 100 mm, dokonuje się pomiarów dewiatora naprężenia (q), wytworzonego ciśnienia wody w porach (u) oraz poziomu odkształcenia. Danymi wejściowymi w rozwijanych modelach regresji krokowej SR są: zawartość miki, odkształcenie; natomiast danymi wynikowymi są: dewiator naprężenia, wytworzone ciśnienie wody w porach oraz niedrenowany moduł Younga. Osiągniętą dokładność proponowanych modeli regresji krokowych uważa się za dość satysfakcjonującą. Proponowane modele regresji krokowej są przedstawione w prostych ustalonych funkcjach matematycznych w celu zastosowania ich w przyszłości przez naukowców.
EN
In this paper, statistical inferences in material selection of polymer matrix for natural fiber composite are presented. Hypothesis testing and confidence interval were used to evaluate the suitability of the sample for use as a matrix in natural fiber reinforced composites. The screening process for material selection was carried out using a stepwise regression method. Then, the ranking process in material selection was conducted using an estimation of performance score (PS) for mechanical properties such as impact strength (IS), elongation at break (E) and tensile strength (TS). Ten types of polymer were involved in the study. The final selection revealed that polyamide (PA6), polyurethanes (PUR) and polypropylene (PP) are the potential candidates to manufacture hand-brake levers according to IS, E and TS, respectively. Here, it was found that the score for Tp (thermoplastic) is better than Ts (thermoset) in terms of IS. In contrast, the Ts offered a better score result than, Tp, with respect to E and TS. The results of statistical measurements using statistical modelling prove that the data analysis can be used as a part of the decision making in material selection.
PL
Opisano wnioskowanie statystyczne dotyczące wyboru materiału osnowy polimerowej kompozytu z włóknami naturalnymi. Testy hipotez statystycznych i przyjęte przedziały ufności służyły do oceny próbki pod względem przydatności do zastosowania w charakterze osnowy polimerowej w kompozycie wzmocnionym włóknem naturalnym. Selekcji materiałów dokonano przy użyciu metody regresji krokowej, następnie uszeregowano wybrane materiały z wykorzystaniem rankingu oceny (PS) właściwości mechanicznych, takich jak: udarność (IS), wydłużenie przy zerwaniu (E) i wytrzymałość na rozciąganie (TS). Wyselekcjonowano wstępnie 10 rodzajów polimerów zaliczanych do grup polimerów termoplastycznych (Tp) i termoutwardzalnych (Ts). Wnioskowanie statystyczne wykazało, że poliamid (PA6), poliuretany (PUR) i polipropylen (PP) są potencjalnie korzystnymi osnowami polimerowymi do wytwarzania dźwigni hamulca ręcznego. Stwierdzono, że polimery z grupy Tp wykazują lepszą udarność niż polimery z grupy Ts. Natomiast materiały Ts charakteryzują korzystniejsze wartości wydłużenia przy zerwaniu i wytrzymałości na rozciąganie niż ich odpowiedniki z grupy Tp. Wyniki przeprowadzonej analizy danych z zastosowaniem modelowania statystycznego dowodzą, że metoda ta może być pomocna przy wyborze materiału odpowiedniego do planowanej aplikacji.
3
Content available remote A study of a mixture of coarse and fine sands
84%
|
2010
|
tom Vol. 3, no. 2
53-60
EN
The present study investigates both an experimental work on coarse (Leighton Buzzard Sand fraction B) and fine (Leighton Buzzard Sand fraction E) sand mixtures, and a modeling of the results. The experimental database is based on a laboratory study of saturated coarse and fine sand mixtures with various mix ratios. In the tests, pore water pressure generation (u), deviatoric stress (q), and strain levels (ε) have been measured in a triaxial testing apparatus. Then, the results have been modelled using stepwise regression (SR). The input variables in the developed SR models are the fines content, and strain, and the outputs are deviatoric stress, pore water pressure, and undrained Young's modulus. The proposed SR models are presented as simple explicit mathematical functions for further use by researchers.
PL
Obecna analiza dotyczy badań doświadczalnych wykonywanych zarówno na gruboziarnistej (Leighton Buzzard Sand fraction B), jak również drobnoziarnistej mieszaninie piasku (Leighton Buzzard Sand fraction E) i modelowaniu uzyskanych wyników. Wyniki doświadczeń oparte są na badaniu w różnych proporcjach nasyconych mieszanin gruboziarnistego i drobnoziarnistego piasku. Podczas wykonywania testów w aparacie trójosiowego ściskania mierzone były następujące wielkości: ciśnienie wody w porach (u), dewiator naprężenia (q) i poziomy odkształcenia (ε). Następnie, wyniki badań zostały zamodelowane, wykorzystując metodę regresji krokowej (SR). Danymi wejściowymi w zaawansowanej metodzie regresji krokowej (SR) są zawartości ziaren oraz odkształcenia, zaś danymi wynikowymi są dewiator naprężenia, ciśnienie wody w porach i niedrenowany moduł Younga. Zaproponowane modele regresji krokowej są przedstawione w prostych ustalonych funkcjach matematycznych w celu zastosowania ich w przyszłości przez naukowców.
EN
The aim of the present study was to evaluate the biomechanical (stroke rate, stroke length, and stroke index), anthropometrical (body height, body mass, body mass index, arm span, shoulders width, thigh, leg and upper arm lengths), and muscle architectural (muscle thickness, pennation angle, and fascicle length) parameters as predictors of 200-m front crawl swimming performance in young male swimmers. Twenty-two county level male swimmers (mean ±SD: age: 14.52 ± 0.77 years; body height: 173 ± 5 m; body mass: 60.5 ± 5.7 kg) performed a 200-m front crawl swimming test in a 25-m pool. Stepwise regression analysis revealed that biomechanical parameters (87%) characterized best 200-m front crawl swimming performance, followed by anthropometrical (82%) and muscle architectural (72%) parameters. Also, stroke length (R2 = 0.623), body height (R2 = 0.541), fascicle length of Triceps Brachii (R2 = 0.392) were the best single predictors that together explained 92% of the variability of the 200-m front crawl swimming performance in these swimmers. As a conclusion, with respect to higher performance prediction power of biomechanical parameters, technique should represent the core of the training program at these ages. In addition, these findings could be used for male young swimmers selection and talent identification.
|
|
tom nr 3
728--736, CD 1
PL
Praca dotyczy porównania metod selekcji cech diagnostycznych w prognozowaniu zapotrzebowania na energię elektryczną w małym systemie elektroenergetycznym w Polsce. W symulacji brały udział sieci neuronowe typu MLP, RBF i SVM, które zostały zaimplementowane w środowisku MATLAB. Do badań użyty został przedział czasowy obejmujący 729 dni. Spośród nich, 500 dni zostało przeznaczonych do zbioru danych uczących, pozostałe zaś przydzielono do zbioru danych testujących. Oprócz danych zużycia energii elektrycznej, włączone do analizy zostały również dane dotyczące typu dnia, pory roku oraz atmosferyczne zawierające wartości temperatury i prędkości wiatru. Symulacje zostały przeprowadzone w czterech etapach. W etapie pierwszym użyto całego zbioru dostępnych danych wejściowych, tzn. bez selekcji, co stanowi bazę porównawczą dla dalszych etapów. W etapie drugim użyto metodę selekcji cech bazującą na liniowej regresji krokowej. W etapie trzecim użyta została selekcja cech z zastosowaniem algorytmu genetycznego. W etapie czwartym użyto metodę selekcji cech za pomocą zespołu drzew decyzyjnych czyli lasu losowego.
EN
The paper compares methods of the input attribute selection for electrical load forecasting in a small power system in Poland. Three neural networks were used in the simulations: MLP, RBF and SVM implemented in the MATLAB computing environment. Forecasted period covers 729 days. 500 days were used as a training set and other 229 days as a test set. Except of the electrical load data, the day type bit, the season bits and the weather data such as values of temperature and wind speed were added to the analysis. The simulations were carried out in four stages. In the first one the whole data set without the selection was used in the forecast. It is done for the comparison to the other stages of simulations. In the second stage, the stepwise regression was used for the selection of the most important input attributes. In the third stage for the selection, genetic algorithm was used. In the fourth stage, the random forest was used as the selection method. The results of the simulations were shown in the last chapter of the article. The comparison of results has shown different influence of the selection methods to the improvement of prediction accuracy.
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.