Informacja

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

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Cieżak, W." wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Routine forecasting of the daily profiles of hourly water distribution in cities. An effectiveness analysis
    Autorzy:
    Cieżak, W.
    Cieżak, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/206970.pdf
    Data publikacji:
    2015
    Wydawca:
    Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
    Tematy:
    forecasting
    multilayer neural networks
    neural networks
    time series
    water supply systems
    water distribution
    prognozowanie
    wielowarstwowe sieci neuronowe
    sieci neuronowe
    szereg czasowy
    wodociągi
    dystrybucja wody
    Opis:
    Sample results have been oresented of verifying three groups of methods of forecasting the time series of short-duration water distributions in city water grids. The analysis covered: ARIMA class models, the time series exponential smoothing methods and artificial neural networks. Since chronological sequences of observations from the immediate past were analyzed, the adopted models did not take any external variables into account. The forecasting errors in the case of multilayer perceptron neural networks were found to be comparable or smaller than the errors of prediction by the ARIMA class models and by the methods of the exponential smoothing of time series.
    Źródło:
    Environment Protection Engineering; 2015, 41, 2; 179-186
    0324-8828
    Pojawia się w:
    Environment Protection Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Stochastyczne modele godzinowego poboru wody w wybranym systemie wodociągowym
    Stochastic models of water demand in a chosen water-supply system
    Autorzy:
    Siwoń, Z.
    Cieżak, W.
    Cieżak, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/236800.pdf
    Data publikacji:
    2005
    Wydawca:
    Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
    Tematy:
    system wodociągowy
    zużycie wody
    prognozowanie
    water supply system
    water demand
    forecasting
    Opis:
    Zaprezentowano dwa modele prognostyczne szeregów czasowych godzinowego poboru wody, tj. model klasy ARIMA i model opracowany przez Wintera, zweryfikowane na podstawie analizy zbiorów ciągłych obserwacji poboru wody w systemie wodociągowym Brzegu. Wykazano, że obie metody prognozowania spełniają wygodną dla potrzeb praktycznych zasadę łatwej dostępności danych wyjściowych do prognozowania. Nie ujmują one żadnych zmiennych zewnętrznych, a bazują wyłącznie na chronologicznie uszeregowanych ciągach obserwacji poboru wody z bezpośredniej przeszłości. Zaletą modeli klasy ARIMA przy ich oszczędnej parametryzacji jest to, że proces prognozowania godzinowego poboru wody może być zainicjowany już przy stosunkowo małej liczbie wyrazów szeregu czasowego. W praktyce już dwutygodniowy ciąg obserwacji godzinowego poboru wody daje możliwość zainicjowania procesu prognozowania. Strukturę modelu ARIMA (1,0,0)(1,1,0)24 można uznać za uniwersalną, nadającą się do prognozowania godzinowych poborów wody w miejskich systemach wodociągowych. Przyjęcie tej tezy, zwłaszcza że pokrywa się ona z wcześniejszymi wynikami badań własnych, w znacznym stopniu może uprościć automatyzację prognozowania, bo eliminuje się z procesu analizy szeregu czasowego etap poszukiwania struktury modelu. Stwierdzono, że przekształcenie szeregu surowego w szereg Fouriera poprawia wyniki prognoz oraz że odpowiednimi modelami dotyczącymi prognoz poboru wody są sezonowe modele multiplikatywne. Metody prognozowania oparte na algorytmach wygładzania wykładniczego są łatwe do zastosowania i nie wymagają założenia o stacjonarności szeregu czasowego. Addytywny model Wintera daje prognozy, które wykazują najmniejsze błędy. Stwierdzono, że nie zawsze złożone metody dają optymalne prognozy, a zaprezentowane modele, w hierarchii metod służących do prognozowania poboru wody, plasowane są na wysokim miejscu.
    The study reported on in this paper involved two models, a model of ARIMA class and the model developed by Winter, which are used to forecast an hourly water demand time series. The models have been verified by analyzing the sets of continuous observations of the water demand in the water-supply system of Brzeg. Both the methods meet the requirement of an easy availability of the input data for the needs of forecasting. They do not include any external variables and are based solely on the preceding chronological water demand time series. Characterized by a reasonable parametrization, the ARIMA class models offer the potentiality for initiating the forecasting of water demand with a comparatively small number of points in the time series. In practice, 14-day hourly observations will suffice to initiate the forecasting process. The structure of the ARIMA (1,0,0)(1,1,0)24 model can be considered universal and suitable for forecasting the water demand in municipal water-supply systems. Accepting this thesis, as well as taking into account the fact that it is consistent with the results of our previous researches, we can notably simplify the automation of forecasting, because in this way the stage of search for the model structure is eliminated from the analysis of the time series. It is worth noting that the transformation of a raw time series into a Fourier series upgrades the quality of the forecasts and that seasonal multiplicative models are suitable for forecasting the water demand. Forecasting methods based on algorithms for an exponential smoothing of the time series are easy to use and do not require the assumption of a stationary input sequence. The additive Winter' model generates forecasts with the smallest errors. Our study has produced the following findings: sophisticated methods do not always generate optimal forecasts; the models presented in this paper rank high in the hierarchy of the methods used for forecasting of water demand.
    Źródło:
    Ochrona Środowiska; 2005, R. 27, nr 1, 1; 7-13
    1230-6169
    Pojawia się w:
    Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie sztucznych sieci neuronowych do prognozowania szeregów czasowych krótkotrwałego poboru wody w wybranych systemach wodociągowych.
    Artificial Neural Networks for Predicting Water Demand Time Series in Municipal Water Supply Systems of Choice.
    Autorzy:
    Cieżak, W.
    Siwoń, Z.
    Cieżak, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/237688.pdf
    Data publikacji:
    2006
    Wydawca:
    Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
    Tematy:
    system wodociągowy
    pobór wody
    prognozowanie
    sztuczne sieci neuronowe
    water supply system
    water demand
    forecasting
    artificial neuron networks
    Opis:
    W artykule omówiono wyniki modelowania i prognozowania szeregów czasowych poboru wody z miejskich sieci wodociągowych dla potrzeb optymalnego sterowania procesami zaopatrzenia w wodę. Zaprezentowano wyniki praktycznej weryfikacji sztucznych sieci neuronowych na przykładzie wydzielonego rejonu sieci wodociągowej we Wrocławiu i Brzegu. Przedstawiona została propozycja struktury sieci neuronowej przystosowanej do prognozowania zapotrzebowania na wodę, a także omówiono metody przygotowania danych statystycznych do późniejszego wykorzystania przy prognozowaniu z zastosowaniem sieci neuronowych. Wykazano silne i słabe strony omawianej metody prognozowania, jej skuteczność i dokładność. Skuteczność sztucznych sieci neuronowych w prognozowaniu szeregów czasowych krótkotrwałego poboru wody okazała się w praktyce porównywalna ze skutecznością modeli klasy ARIMA.
    Water demand time series were modeled and forecast for the purpose of optimal control of water supply processes in municipal water supply systems. The verification of the artificial neural network models involved a separate water supply subsystem for Wrocław and the water supply system for Brzeg. A structure of artificial neural networks is proposed for water demand prediction. Methods of statistical data processing for further use with neural networks for water demand prediction are also discussed. The strengths and weaknesses of this approach are pointed out along with its efficiency and accuracy. The results show that the efficiency of neural networks in forecasting the water demand time series is comparable with the efficiency of ARIMA models. Hence, the neural networks can be used as an alternative to the ARIMA models.
    Źródło:
    Ochrona Środowiska; 2006, R. 28, nr 1, 1; 39-44
    1230-6169
    Pojawia się w:
    Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modele neuronowe szeregów czasowych godzinowego poboru wody w osiedlach mieszkaniowych
    Neural network models of hourly water demand time series in housing areas
    Autorzy:
    Siwoń, Z.
    Cieżak, W.
    Cieżak, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/237770.pdf
    Data publikacji:
    2011
    Wydawca:
    Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
    Tematy:
    sztuczne sieci neuronowe
    szeregi czasowe
    prognozowanie
    pobór wody
    system wodociągowy
    artificial neural networks
    time series
    forecasting
    water demand
    water supply system
    Opis:
    Omówiono wyniki modelowania i prognozowania szeregów czasowych poboru wody z miejskich sieci wodociągowych na potrzeby optymalnego sterowania procesem zaopatrzenia w wodę. Zaprezentowano wyniki weryfikacji sztucznych sieci neuronowych na przykładzie wydzielonego rejonu sieci wodociągowej w Kłodzku i we Wrocławiu. Przedstawiono analizę przydatności sztucznych sieci neuronowych w bieżącym prognozowaniu szeregów czasowych godzinowego poboru wody, która wykazała, że optymalne struktury sieci perceptronowych i liniowych nie są skomplikowane, co między innymi ułatwia proces ich douczania lub uczenia od nowa. W praktyce błędy prognozowania przy wykorzystaniu wielowarstwowych perceptronowych sieci neuronowych i liniowych sieci neuronowych okazały się porównywalne lub mniejsze od błędów predykcji wg modeli klasy ARIMA i metod wykładniczego wygładzania szeregów czasowych. Wykazano, że przydatność sieci o radialnych funkcjach bazowych do prognozowania dobowych histogramów godzinowego poboru wody była ograniczona i jednocześnie mniejsza niż sieci liniowych oraz perceptronowych.
    The paper outlines the results of modeling and forecasting the water demand time series for the optimal control of water supply processes in municipal water supply systems. The results of verification of the artificial neural network models have been presented for a separate water supply subsystem in Klodzko and in Wroclaw. Analysis of the performance of artificial neural networks when used to develop current predictions of the time series for hourly water demand has revealed that the optimal structures of perceptron and linear networks are not very complicated, which facilitates the process of additional training or re-training. Practically, it has been found that forecasting produces comparable or smaller errors when focused on multilayer perceptron neural networks and linear neural networks than when based on the use of ARIMA models and exponential smoothing of the time series. Applicability of neural networks of radial base functions (RBF) to forecasting daily water demand histograms is limited, and lesser than that of linear and perceptron networks.
    Źródło:
    Ochrona Środowiska; 2011, 33, 2; 23-26
    1230-6169
    Pojawia się w:
    Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      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