Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "CH4" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Prognozowanie wielkości emisji CH4 z fermentacji jelitowej oraz hodowli zwierząt gospodarskich z wykorzystaniem sztucznej sieci neuronowej Flexible Byesian Models
Prediction of CH4 emissions from enteric fermentation and livestock farming with the use of artificial neural network Flexible Byesian Models
Autorzy:
Kolasa-Więcek, A.
Powiązania:
https://bibliotekanauki.pl/articles/336225.pdf
Data publikacji:
2011
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
emisja CH4
fermentacja jelitowa
zwierzęta gospodarskie
sztuczna sieć neuronowa
CH4 emissions
fermentation
livestock farming
artificial neural network
Opis:
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.
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.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2011, 56, 2; 90-93
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Recursive Partitioning application in the assessment of the climatic conditions impact of non- CO2 GHGs on agricultural emissions
Zastosowanie metody Recursive Partitioning w ocenie wpływu warunków klimatycznych na rolnicze emisje gazów cieplarnianych innych niż CO2
Autorzy:
Kolasa-Więcek, A.
Powiązania:
https://bibliotekanauki.pl/articles/334096.pdf
Data publikacji:
2013
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
gazy cieplarniane
CH4
N2O
modelowanie
sieci neuronowe
drzewa decyzyjne
warunki meteorologiczne
greenhouse gases
modeling
neural networks
decision trees
meteorological conditions
Opis:
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.
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.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2013, 58, 1; 96-101
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies