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 "drzewa regresyjne" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Model biomasy igliwia sosny zwyczajnej (Pinus sylvestris L.) wyrosłej w warunkach gruntów porolnych i leśnych
    Modelling needle biomass in Scots pine (Pinus sylvestris L.) stands on former farmland and forest soils
    Autorzy:
    Jelonek, T.
    Pazdrowski, W.
    Walkowiak, R.
    Tomczak, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/46146.pdf
    Data publikacji:
    2012
    Wydawca:
    Instytut Badawczy Leśnictwa
    Tematy:
    lesnictwo
    grunty porolne
    grunty lesne
    wzrost roslin
    drzewa lesne
    sosna zwyczajna
    Pinus sylvestris
    cechy biometryczne
    piersnice drzew
    wiek drzew
    wysokosc roslin
    powierzchnia przewodzaca
    igliwie sosnowe
    biomasa
    korelacja cech
    teoria modelu powierzchni przewodzącej drzewa Shinozakiego
    modele regresyjne
    Źródło:
    Leśne Prace Badawcze; 2012, 73, 2
    1732-9442
    2082-8926
    Pojawia się w:
    Leśne Prace Badawcze
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Predictive regression models of monthly seismic energy emissions induced by longwall mining
    Regresyjne modele predykcyjne miesięcznej emisji energii sejsmicznej indukowanej eksploatacją w ścianie
    Autorzy:
    Jakubowski, J.
    Tajduś, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/219968.pdf
    Data publikacji:
    2014
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    sejsmiczność indukowana
    wstrząsy górnicze
    zagrożenie tąpaniami
    eksploatacja ścianowa
    drzewa wzmacniane
    sieci neuronowe
    data mining
    modele regresyjne
    modele predykcyjne
    induced seismicity
    mining tremors
    rockburst hazard
    longwall mining
    boosted trees
    neural networks
    regression models
    predictive models
    Opis:
    This article presents the development and validation of predictive regression models of longwall mining-induced seismicity, based on observations in 63 longwalls, in 12 seams, in the Bielszowice colliery in the Upper Silesian Coal Basin, which took place between 1992 and 2012. A predicted variable is the logarithm of the monthly sum of seismic energy induced in a longwall area. The set of predictors include seven quantitative and qualitative variables describing some mining and geological conditions and earlier seismicity in longwalls. Two machine learning methods have been used to develop the models: boosted regression trees and neural networks. Two types of model validation have been applied: on a random validation sample and on a time-based validation sample. The set of a few selected variables enabled nonlinear regression models to be built which gave relatively small prediction errors, taking the complex and strongly stochastic nature of the phenomenon into account. The article presents both the models of periodic forecasting for the following month as well as long-term forecasting.
    W artykule przedstawiono budowę i walidację predykcyjnych modeli regresyjnych sejsmiczności indukowanej eksploatacją w ścianie, opartych na obserwacjach w 63 ścianach kopalni Bielszowice prowadzonych w 12 pokładach w latach 1992-2012. Zmienna prognozowaną jest logarytm miesięcznej sumy energii sejsmicznej wstrząsów w ścianie. Zestaw predyktorów składa się z siedmiu zmiennych ilościowych i jakościowych opisujących wybrane czynniki górnicze i geologiczne w ścianach. Do budowy modeli zastosowano dwie metody uczenia się maszyn: drzewa wzmacniane oraz sieci neuronowe. Zastosowano dwa rodzaje walidacji modeli: na losowej próbie walidacyjnej oraz na czasowej próbie walidacyjnej. Zestaw kilku wybranych zmiennych pozwolił na zbudowanie nieliniowych modeli regresyjnych, które, biorąc pod uwagę złożoną i silnie stochastyczną naturę zjawiska, dają względnie małe błędy pro gnozy. W artykule przedstawiono zarówno modele do prognozy okresowej na kolejny miesiąc jak i do prognozy długoterminowej.
    Źródło:
    Archives of Mining Sciences; 2014, 59, 3; 705-720
    0860-7001
    Pojawia się w:
    Archives of Mining Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Ujęcie wpływu właściwości gleb piaszczystych na bonitację drzewostanów sosnowych w południowo-zachodniej Polsce w modelach regresji
    Regression models for impact of soil properties on site index class of Scots pine (Pinus sylvestris L.) stands in south-western Poland
    Autorzy:
    Sewerniak, P.
    Piernik, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/1008712.pdf
    Data publikacji:
    2012
    Wydawca:
    Polskie Towarzystwo Leśne
    Tematy:
    lesnictwo
    gleby lesne
    gleby piaszczyste
    uziarnienie gleby
    wlasciwosci chemiczne
    odczyn gleby
    zawartosc azotu
    zawartosc potasu
    zawartosc weglanu wapnia
    poziom prochniczny gleby
    miazszosc
    oglejenie gleby
    drzewostany sosnowe
    bonitacja drzewostanow
    modele regresyjne
    drzewa lesne
    sosna zwyczajna
    Pinus sylvestris
    wzrost roslin
    Polska Poludniowo-Zachodnia
    soil
    pinus sylvestris
    site index
    tree growth
    regression models
    Opis:
    The research was conducted in 268 pine stands on soils of sandy texture. In the paper 6 regression models for site index of Scots pine (Pinus sylvestris L.) were presented. The soil properties enclosed in the models explained to 40−60% of the site index variability. In the regression analyses, the following soil properties were found to be the best variables that described the site index: pHKCl, contents of fine textural fractions, content of K and N, CaCO3 content, soil moisture conditions reflected in gleying occurrence in a soil profile and a thickness of a solum or of a humus horizon (depending on the site moisture). The CaCO3 content was found to be a useful variable for the site index models only unless other chemical soil parameters were available. In such cases occurrence of CaCO3 in models reflects an impact of K and Mg soil content on pine growth that results from strong intercorrelations between Ca, K and Mg contents in the investigated soils. The site index was higher when pine stands were overgrowing gleyic than non−gleyic soils. In the presented regression models the difference was estimated to be about 1.5 m.
    Źródło:
    Sylwan; 2012, 156, 08; 563-571
    0039-7660
    Pojawia się w:
    Sylwan
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      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