Informacja

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

Wyszukujesz frazę "Trajer, J." wg kryterium: Autor


Wyświetlanie 1-2 z 2
Tytuł:
Neuronowy model prognozowania dziennego napromienienia słonecznego
The neurals model of daily prediction of solar radiation
Autorzy:
Trajer, J.
Kozłowski, K.
Powiązania:
https://bibliotekanauki.pl/articles/286730.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
prognozowanie
sieci neuronowe
dzienne nasłonecznienie
prediction
artificial neural networks
value of daily solar radiation
Opis:
W pracy przedstawiono neuronowy model prognozowania dobowych sum napromienienia słonecznego. Opracowanie stanowi kontynuację projektu prognoz długo, średnio i krótkoterminowych, w którym niezadowalający okazał się model prognoz dobowych. W ulepszonym obecnie modelu poprawiono jego skuteczność uwzględniając dodatkowe czynniki dotyczące zachmurzenia.
The neural model of daily prediction of solar radiation are presenting. The method of prediction solar radiation was worked out with cloudiness influence. The results of six years solar radiation measurements, conducted at SGGW-Ursynów station on tilted surface oriented south and data cloudiness, were used as database. The neuronal model was worked out, in which short-term prognoses use results from medium-term model and cloudiness. Model has been veried.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 14, 14; 361-366
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prognozowanie sum napromienienia słonecznego dla potrzeb energetyki słonecznej
Prediction of solar radiation sums for solar energy conversion systems
Autorzy:
Trajer, J.
Czekalski, D.
Powiązania:
https://bibliotekanauki.pl/articles/287386.pdf
Data publikacji:
2005
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
prognoza
suma napromienienia słonecznego
sztuczna sieć neuronowa
energetyka słoneczna
prediction
solar radiation sums
modeling
artificial neural network
solar energy conversion system
Opis:
Prognozowanie sum napromienienia słonecznego określonych płaszczyzn może być wykorzystywane w sterowaniu pracą hybrydowych systemów pozyskujących aktywnie energię słoneczną i systemów biernych (w budownictwie). Opracowano metodę prognozowania sum napromienienia słonecznego płaszczyzny pochyłej z wykorzystaniem sztucznej sieci neuronowej. Wykorzystano bazę danych dobowych sum napromienienia słonecznego ze stanowiska pomiarowego SGGW – Ursynów z okresu 1995-2000. Opracowano koncepcję kaskadowego modelu neuronowego, w którym prognozy krótkoterminowe wykorzystują wyniki z modelu średnioterminowego, a średnioterminowe z długoterminowego. Model poddano weryfikacji.
Predicting the summary solar radiation on determined surfaces may be used to automatic control of both, the hybrid systems gaining actively the solar energy as well as the passive systems (applied in building engineering). The method of predicting solar radiation sums on an inclined surface was worked out with the use of artificial neural network. Data base on daily solar radiation sums from the measurements on south-oriented tilted surface at Ursynów (Agricultural University of Warsaw) within the period of 1995-2000, was used for this purpose. A cascade neural model was developed where the short-term prognoses use the results of medium-term model, whereas the medium-term – from the long-term model. The model has been verified.
Źródło:
Inżynieria Rolnicza; 2005, R. 9, nr 8, 8; 393-399
1429-7264
Pojawia się w:
Inżynieria Rolnicza
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