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 "Sztuczne Sieci Neuronowe" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-10 z 10
    Tytuł:
    Prognozowanie ceny ogórka szklarniowego za pomocą sieci neuronowych
    Forecasting a hothouse cucumber price with the use of neuron networks
    Autorzy:
    Francik, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/288377.pdf
    Data publikacji:
    2005
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    sztuczne sieci neuronowe
    prognozowanie
    cena
    artificial neuron networks
    forecasting
    price
    Opis:
    W pracy opracowano modele wykorzystujące sztuczne sieci neuronowe do prognozowania cen ogórka szklarniowego, przy czterech horyzontach prognoz. Porównano dokładności prognoz uzyskanych za pomocą różnych typów sieci neuronowych (liniowych, wielowarstwowych perceptronów i sieci o radialnych funkcjach bazowych). Jako najlepsze modele wybrano sieci liniowe, gdyż pozwalały na uzyskanie najdokładniejszych prognoz.
    Models using neuron networks to forecast hothouse cucumber prices have been developed in this research, with four forecast horisons. The accuracy of forecasts obtained with the use of various types of neuron networks (linear, multilayer perceptrons and radial base function networks) have been compared. The linear networks have been selected as the best models as they have generated the most accurate forecasts.
    Źródło:
    Inżynieria Rolnicza; 2005, R. 9, nr 14, 14; 91-97
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie sztucznych sieci neuronowych w modelowaniu prędkości wiatru jako jednej z determinant poboru energii w budynkach
    Application of neural networks in modeling wind speed as a determinant of energy consumption in buildings
    Autorzy:
    Jasiński, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/362969.pdf
    Data publikacji:
    2018
    Wydawca:
    Instytut Fizyki Budowli Katarzyna i Piotr Klemm
    Tematy:
    sztuczne sieci neuronowe
    energia elektryczna
    prognozowanie
    wiatr
    artificial network
    electrical energy
    forecasting
    wind
    Opis:
    Celem pracy była analiza możliwości wykorzystania narzędzia z obszaru sztucznej inteligencji, jakim są sztuczne sieci neuronowe (ANN) w zagadnieniach związanych z prognozowaniem poboru energii elektrycznej w budynkach. W wielu opracowaniach wykazano, że głównym źródłem popytu na energię są systemy klimatyzacji oraz systemy grzewcze (HVAC). Z tego też powodu jednym z podstawowych determinant zapotrzebowania na energię są czynniki atmosferyczne, w tym prędkość wiatru. W pracy oprócz badań literaturowych przeprowadzono również badania empiryczne w obszarze przewidywania prędkości wiatru przy użyciu ANN wykorzystujących dane archiwalne pochodzące ze stacji meteorologicznej usytuowanej na lotnisku Lublinek w Łodzi. Testom zostały poddane sieci pracujące w oparciu o architekturę perceptronu wielowarstwowego (MLP), sieci realizujące regresję uogólnioną (GRNN) oraz sieci o radialnych funkcjach bazowych (RBF). Modelowanie objęło prędkości wiatru w latach 2008-2016. Dane zostały podzielone na trzy zbiory: uczący, walidacyjny i testowy. Takie podejście umożliwiło minimalizację ryzyka przeuczenia ANN. Jednocześnie użycie jedynie najnowszych informacji w charakterze danych testowych umożliwiło opracowanie modelu, który może zostać wykorzystany w praktyce biznesowej. W pracy nie ograniczono się do poszukiwania optymalnego zbioru zmiennych objaśniających jedynie wśród danych pozyskanych bezpośrednio ze stacji meteorologicznej, lecz analizie poddano także zmienne wejściowe powstałe poprzez zastosowanie narzędzi analizy technicznej.
    The paper presents possibilities to use ANN as a model predicting both - demand for energy in buildings and meteorological parameters affecting that demand such as wind speed. Empirical studies included wind speed forecasts using weather data from a meteorological station located at Lublinek Airport in Lodz. Numerous ANN types such as MLP, RBF and GRNN were tested during simulations.
    Źródło:
    Fizyka Budowli w Teorii i Praktyce; 2018, T. 10, nr 2, 2; 9-14
    1734-4891
    Pojawia się w:
    Fizyka Budowli w Teorii i Praktyce
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie metody sztucznych sieci neuronowych do prognozowania obciążenia sieci rurociągów do transportu gazu ziemnego
    Application of Artificial Neural Networks for load prediction in a gas pipeline network
    Autorzy:
    Szoplik, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/2072145.pdf
    Data publikacji:
    2013
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    sztuczne sieci neuronowe
    prognozowanie
    obciążenie sieci gazowej
    artificial neural network
    forecasting
    load of gas pipeline network
    Opis:
    Zaproponowano zastosowanie metody sztucznych sieci neuronowych do prognozowania obciążenia sieci gazowej przykładowego miasta w Polsce, biorąc pod uwagę czynniki pogodowe oraz kalendarzowe. Na podstawie rzeczywistych danych wejściowych wytrenowano wiele sieci neuronowych, różniących się liczbą neuronów w warstwie ukrytej i zaproponowano najlepszą strukturę sieci neuronowej, która zależy od liczności zbioru danych wejściowych. Otrzymane modele sieci mogą być z powodzeniem stosowane w praktyce.
    Application of Artificial Neural Network for load prediction in a gas pipeline network in an exemplary Poland city taking into account weather and calendar factors is proposed in the paper. Based on real data, a number of neural networks with a various number of neurons in hidden layer were trained. The best neural network structure depending on a number of initial data sets was proposed. The obtained network models can be successfully applied in practice.
    Źródło:
    Inżynieria i Aparatura Chemiczna; 2013, 6; 572--574
    0368-0827
    Pojawia się w:
    Inżynieria i Aparatura Chemiczna
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The training of multiplicative neuron model based artificial neural networks with differential evolution algorithm for forecasting
    Autorzy:
    Bas, E.
    Powiązania:
    https://bibliotekanauki.pl/articles/91575.pdf
    Data publikacji:
    2016
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    artificial neural networks
    multiplicative neuron model
    differential evolution
    algorithm
    forecasting
    sztuczne sieci neuronowe
    algorytm
    prognozowanie
    Opis:
    In recent years, artificial neural networks have been commonly used for time series forecasting by researchers from various fields. There are some types of artificial neural networks and feed forward artificial neural networks model is one of them. Although feed forward artificial neural networks gives successful forecasting results they have a basic problem. This problem is architecture selection problem. In order to eliminate this problem, Yadav et al. (2007) proposed multiplicative neuron model artificial neural network. In this study, differential evolution algorithm is proposed for the training of multiplicative neuron model for forecasting. The proposed method is applied to two well-known different real world time series data.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2016, 6, 1; 5-11
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    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:
    Wykorzystanie wielowarstwowych sztucznych sieci neuronowych do średnioterminowego prognozowania poboru wody – studium przypadku
    Application of multilayer perceptron artificial neural networks to mid-term water consumption forecasting – a case study
    Autorzy:
    Piasecki, A.
    Jurasz, J.
    Marszelewski, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/237135.pdf
    Data publikacji:
    2016
    Wydawca:
    Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
    Tematy:
    sieć wodociągowa
    pobór wody
    prognozowanie
    sztuczne sieci neuronowe
    zmienna objaśniająca
    water supply system
    water consumption
    forecasting
    artificial neural networks
    exogenous variable
    Opis:
    Do prognozowania miesięcznego poboru wody w wybranym mieście o średniej wielkości wykorzystano wielowarstwowe sztuczne sieci neuronowe. Badaniem objęto jedno z osiedli w Toruniu – Czerniewice, które ma własny system wodociągowym (inny niż pozostała część miasta). Początkowo w analizie uwzględniono dziewięć zmiennych objaśniających, opisujących warunki meteorologiczne, ekonomiczne i społeczne. W trakcie prognozowania okazało się, że wykorzystanie wszystkich zgromadzonych zmiennych wejściowych korelujących z poborem wody nie dało prognoz najlepszych jakościowo. Najlepszy wynik w tym zakresie (oceniony na podstawie wartości błędu typu MAPE) uzyskano w przypadku modelu zbudowanego na podstawie takich zmiennych, jak liczba osób korzystających z wodociągu, cena wody, maksymalna temperatura i wilgotność powietrza oraz średni dochód na jednego mieszkańca. Wykazano, że zakres zmiennych uwzględnianych w prognozowaniu poboru wody za pomocą sieci neuronowych wymaga dostosowania do warunków lokalnych. W rozpatrywanym przypadku sztuczne sieci neuronowe potwierdziły swą użyteczność w zakresie średnioterminowego prognozowania poboru wody.
    Multilayer perceptron (MLP) artificial neural networks were employed to monthly water consumption forecasting. Research encompassed Czerniewice, one of the estates in Torun with a dedicated waterworks system (different from the other part of the town). Initially, nine exogenous variables describing meteorological, economic and social conditions were examined. The forecasting process revealed that implementation of all input variables correlating with water consumption did not lead to the highest quality forecasts. In terms of quality, the best result (evaluated based on MAPE criterion) was achieved for a model built on variables such as number of residents with access to waterworks, water rate, maximum temperature and humidity, and average income per inhabitant. It was demonstrated that the selection of input variables used for water consumption forecasting should be adjusted to local conditions. In the example considered, artificial neural networks proved useful in mid-term water consumption forecasting.
    Źródło:
    Ochrona Środowiska; 2016, 38, 2; 17-22
    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
    Tytuł:
    Prognozowanie cen energii elektrycznej na giełdzie energii
    Forecasting the price of electricity on the energy exchange
    Autorzy:
    Ejdys, J.
    Halicka, K.
    Godlewska, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/325187.pdf
    Data publikacji:
    2015
    Wydawca:
    Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
    Tematy:
    prognozowanie
    giełda energii
    cena energii
    model Holta-Wintersa
    sztuczne sieci neuronowe
    forecasting
    energy exchange
    energy price
    model Holt-Winters
    artificial neural networks
    Opis:
    Zasadniczym celem artykułu było wyznaczenie prognozy ceny energii elektrycznej na Rynku Dnia Następnego Towarowej Giełdy Energii. Kolejnym istotnym celem badań było przeprowadzenie analizy porównawczej jakości otrzymanych prognoz i dokonanie rekomendacji zbudowanych modeli prognostycznych. Początkowo przeanalizowano zebrane dane, przeprowadzono dekompozycję analizowanego szeregu czasowego. Następnie wyznaczono prognozę ceny energii elektrycznej na giełdzie energii, wykorzystując takie metody, jak model Holta- Wintersa oraz sztuczne sieci neuronowe.
    The main objective of this paper was to determine the forecast of the price of electricity on the POLPX Day Ahead Market. Another important aim of the study was to conduct a comparative analysis of the quality of the forecasts and make recommendations concerning the constructed forecasting models. Initially the collected data was analyzed, and the decomposition of the analyzed time series was performed. Then the forecast of electricity prices on the energy exchange was determined using methods such as the Holt-Winters model and artificial neural networks.
    Źródło:
    Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska; 2015, 77; 53-61
    1641-3466
    Pojawia się w:
    Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Problems of forecasting the length of the assembly cycle of complex products realized in the MTO (make-to-order) model
    Problematyka prognozowania długości cyklu montażu wyrobów złożonych realizowanych w modelu MTO (make-to-order)
    Autorzy:
    Brzozowska, Jolanta
    Gola, Arkadiusz
    Kulisz, Monika
    Powiązania:
    https://bibliotekanauki.pl/articles/31232972.pdf
    Data publikacji:
    2023
    Wydawca:
    Politechnika Rzeszowska im. Ignacego Łukasiewicza. Oficyna Wydawnicza
    Tematy:
    assembly cycle
    machine assembly
    forecasting
    Make-to-Order
    artificial neural networks
    input signal
    output signals
    MatLab
    cykl montażu
    montaż maszyn
    prognozowanie
    produkcja na zamówienie
    sztuczne sieci neuronowe
    sygnały wejściowe
    sygnał wyjściowy
    Opis:
    This article presents the problem of forecasting the length of machine assembly cycles in make-to-order production (Make-to-Order). The model of Make-to-Order production and the technological process of manufacturing the finished product are presented. The possibility of developing a novel method, using artificial intelligence solutions, to estimate machine assembly times based on historical company data on manufacturing times for structurally similar components, is described. It is assumed that the result of the developed method will be an intelligent system supporting efficient and accurate estimation of machine assembly time, ready for implementation in production conditions. Such data as part availability, human resource availability and novelty factor will be used as input data for learning the neural network, while the output variable during learning the neural network will be the actual machine assembly time.
    W niniejszym artykule przedstawiono problem prognozowania długości cyklu montażu maszyn w produkcji na zamówienie (Make-to-Order). Przedstawiony został model produkcji na zamówienie oraz proces technologiczny wytwarzania wyrobu gotowego. Opisana została możliwość opracowania nowatorskiej metody, wykorzystującej rozwiązania z zakresu sztucznej inteligencji, umożliwiającej szacowanie czasu montażu maszyn w oparciu o dane historyczne przedsiębiorstw, dotyczące czasów wytwarzania podobnych konstrukcyjnie elementów. Zakłada się, iż rezultatem opracowanej metody będzie inteligentny system wspomagający skuteczne i dokładne szacowanie czasu montażu maszyn, gotowy do implementacji w warunkach produkcyjnych. Jako dane wejściowe do uczenia sieci neuronowej wykorzystane zostaną takie dane jak: dostępność części, dostępność zasobów ludzkich oraz czynnik nowości, zaś zmienną wyjściową podczas uczenia sieci neuronowej będzie rzeczywisty czas montażu maszyny.
    Źródło:
    Technologia i Automatyzacja Montażu; 2023, 3; 13-20
    2450-8217
    Pojawia się w:
    Technologia i Automatyzacja Montażu
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie sztucznych sieci neuronowych do prognozowania zawartości azotu ogólnego w odpływie z oczyszczalni ścieków
    Application of artificial neural networks to forecasting total nitrogen content in secondary effluent from treatment plants
    Autorzy:
    Wąsik, E.
    Chmielowski, K.
    Studziński, J.
    Szeląg, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/237416.pdf
    Data publikacji:
    2018
    Wydawca:
    Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
    Tematy:
    ścieki komunalne
    ścieki oczyszczone
    modelowanie
    prognozowanie
    sztuczne sieci neuronowe
    azot ogólny
    azot amonowy
    azotyny
    azotany
    azot organiczny
    sewage
    secondary effluent
    modeling
    forecasting
    artificial neural networks
    total nitrogen
    ammonia nitrogen
    nitrites
    nitrates
    organic nitrogen
    Opis:
    Zaprezentowano możliwość wykorzystania sztucznych sieci neuronowych do prognozowania zawartości azotu ogólnego w ściekach oczyszczonych w funkcji jego różnych postaci występujących w odpływie z oczyszczalni ścieków. W badaniach zastosowano dane z lat 2010–2016, zawierające pomiary zawartości związków azotu w ściekach odpływających z oczyszczalni obsługującej aglomerację o równoważnej liczbie mieszkańców powyżej 100000. Zbiór danych wejściowych został wstępnie poddany analizie skupień i następnie wykorzystany do trenowania sieci neuronowej w postaci perceptronu wielowarstwowego. Na podstawie uzyskanych symulacji stwierdzono, że najmniejsze wartości błędów prognozy ilosci azotu ogólnego (2÷3%) uzyskano w wariancie, gdy jego wartość była funkcją wszystkich postaci azotu występujących w oczyszczonych ściekach. W przypadku modelu wykorzystującego jedynie dane o zawartości azotu nieorganicznego oraz azotanów otrzymane wyniki symulacji niewiele różniły się od wartości rzeczywistych, na co wskazuje bardzo duża wartość współczynnika korelacji (>97%). Wartość średniego błędu bezwzględnego w tym przypadku zwiększyła się tylko o około 4 punkty procentowe do wartości 6,2% (proces uczenia) oraz 6,9% (proces testowania/walidacji) w stosunku do symulacji wykorzystującej wszystkie postacie azotu w ściekach.
    Potential application of artifi cial neural networks (ANN) to forecast total nitrogen content (TNC) in treated wastewater was presented as a function of selected nitrogen forms present in the secondary effl uent. The analyzed data from the period of 2010–2016 covered measurements of the nitrogen content in the effl uent from the treatment plant servicing agglomeration with a population equivalent of more than 100,000. The input data set was initially subjected to cluster analysis and then, used to train a neural network in the form of a multilayer perceptron (MLP). The simulations demonstrated that the smallest error values for the forecast of TNC (2–3%) were obtained for the variant, the value of which was a function of all the forms of nitrogen present in the secondary effl uent. For the total nitrogen model based on inorganic nitrogen and nitrates data only, the simulation results did not differ signifi cantly from the actual values, as indicated by a very high correlation coeffi cient (over 97%). In this case, the value of the mean absolute error increased only by nearly 4% to 6.2% (learning process) or 6.9% (testing/validation process), compared to the simulation based on all the nitrogen forms in the sewage.
    Źródło:
    Ochrona Środowiska; 2018, 40, 1; 29-33
    1230-6169
    Pojawia się w:
    Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-10 z 10

      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