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 "błąd względny" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    Influence of the Density of Source Data on a Volume Estimation Using DEM
    Wpływ gęstości danych źródłowych na określenie objętości przy użyciu DEM
    Autorzy:
    Sokol, S.
    Liptak, M.
    Bajtala, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/319377.pdf
    Data publikacji:
    2014
    Wydawca:
    Polskie Towarzystwo Przeróbki Kopalin
    Tematy:
    volume
    digital elevation model (DEM)
    density of points
    interpolation method
    relative error
    objętość
    numeryczny model terenu
    gęstość punktów
    metoda interpolacji
    błąd względny
    Opis:
    Digital elevation model (DEM) represents an efficient tool for a number of engineering applications. However, decisive for the DEM application is its accuracy, which depends on various factors. The main factors include the surface roughness, the interpolation algorithm, and the accuracy, density and distribution of the source data. This study is devoted to investigating the effect of the source data density on the volume calculation using the grid based DEM. This investigation is provided on the basis of the theoretical surfaces, which are expressed by means of a known mathematical function of the plane coordinates, and also on the experimentally measured surfaces using terrestrial laser scanning. DEMs using data with density from several centimetres to 1 m and using three different interpolation methods were generated and volumes calculated.
    Cyfrowy model terenu (digital elevation model – DEM) stanowi skuteczne narzędzie do wielu zastosowań inżynierskich. Decydującym czynnikiem przemawiającym za DEM jest jej dokładność, która zależy od wielu czynników. Głównymi czynnikami są chropowatość powierzchni, algorytm interpolacji oraz dokładność, gęstość i rozkład danych źródłowych. Niniejszy artykuł jest poświęcony zbadaniu wpływu gęstości danych źródłowych na obliczanie objętości przy użyciu siatki opartej na DEM. Badanie to jest przeprowadzone bazując na fundamentach teoretycznych, które wyrażone są przez funkcję matematyczną współrzędnych płaszczyzny, jak również na eksperymentalnie zmierzonych powierzchni przy użyciu naziemnego skaningu laserowego. DEM używająca danych o gęstości od kilku centymetrów do 1 m oraz stosująca trzy różne metody interpolacji została wygenerowana a objętość obliczona.
    Źródło:
    Inżynieria Mineralna; 2014, R. 15, nr 1, 1; 39-45
    1640-4920
    Pojawia się w:
    Inżynieria Mineralna
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prognozowanie ilości ścieków dopływających do oczyszczalni za pomocą sztucznych sieci neuronowych z wykorzystaniem liniowej analizy dyskryminacyjnej
    Forecasting the sewage inflow into a treatment plant using artificial neural networks and linear discriminant analysis
    Autorzy:
    Szeląg, B.
    Studziński, J.
    Chmielowski, K.
    Leśniańska, A.
    Rojek, I.
    Powiązania:
    https://bibliotekanauki.pl/articles/237303.pdf
    Data publikacji:
    2018
    Wydawca:
    Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
    Tematy:
    Wastewater inflow
    sewage treatment plant
    water level
    daily precipitation
    artificial neural networks
    discriminant models
    mean square error
    mean percentage error
    relative error
    residual relative error
    importance coefficient
    dopływ ścieków
    oczyszczalnia ścieków
    poziom wody
    opad dobowy
    sztuczne sieci neuronowe
    model dyskryminacyjny
    błąd średniokwadratowy
    średni błąd procentowy
    błąd względny
    względny błąd resztowy
    współczynnik ważności
    Opis:
    W pracy przedstawiono wyniki prognozowania ilości ścieków dopływających do oczyszczalni komunalnej w Rzeszowie z wykorzystaniem perceptronowych wielowarstwowych sztucznych sieci neuronowych. W modelu prognostycznym przyjęto następujące zmienne niezależne: zmierzona ilość ścieków dopływających do oczyszczalni określona w poprzednich dobach, poziom wody w Wisłoku (odbiornik ścieków), suma dobowych opadów atmosferycznych oraz dobowa ilość wody tłoczonej do sieci wodociągowej. Przeprowadzone obliczenia wykazały, że wśród rozpatrywanych zmiennych istotny wpływ na zdolność predykcyjną modelu prognostycznego miał poziom wody w Wisłoku, wysokość opadów atmosferycznych oraz ilość ścieków dopływająca do obiektu zmierzona w poprzednich dniach. Analizowano również wpływ poszczególnych parametrów strukturalnych modelu opartego na sztucznych sieciach neuronowych na wyniki prognozowania. Przeprowadzone badania, z wykorzystaniem drzew klasyfikacyjnych, wykazały, że na liczbę neuronów w warstwie ukrytej wpływała liczba sygnałów wejściowych do modelu, natomiast rodzaj funkcji aktywacji w warstwach ukrytej i wyjściowej miał mniejsze znaczenie, co potwierdziły wartości o znaczeniu predykcyjnym. Badano również możliwość zastosowania liniowej analizy dyskryminacyjnej do oceny zdolności predykcyjnych skonstruowanych modeli prognostycznych. Uzyskane wyniki wykazały, że liniowa analiza dyskryminacyjna może być ciekawym narzędziem do oceny doboru zmiennych w modelu prognostycznym ilości ścieków dopływających do oczyszczalni.
    The paper presents the results of forecasting the sewage inflow into the municipal wastewater treatment plant in Rzeszow using multilayer perceptron neural networks. For the forecast model, the following independent variables were adopted: the measured inflow volume to the treatment plant from the previous days, the water level in the Wislok River (effluent receiver), the total daily precipitation and the daily water inflow into the network. The calculations led to conclusions that variables substantially affecting the prognostic capacity of the forecast model included the water level in the Wislok River, the volume of precipitation and the sewage inflow to the facility from the previous days. Additionally, the impact of individual structural parameters of the model based on artificial neural networks on forecasting results was analyzed. The research conducted with the use of classification trees demonstrated that number of neurons in the hidden layer was influenced by the number of inputs to the model, while the type of activation function in the hidden and output layer was of minor importance which was confirmed by the data of prognostic value. The applicability of a linear discriminant analysis for assessment of prognostic ability of the constructed forecast models was also investigated. The results obtained demonstrated that the linear discriminant model might be an interesting assessment tool to select variables for the forecast model of sewage inflow to a treatment plant.
    Źródło:
    Ochrona Środowiska; 2018, 40, 4; 9-14
    1230-6169
    Pojawia się w:
    Ochrona Środowiska
    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