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 "sieć sztuczna" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-11 z 11
    Tytuł:
    Application of artifical neural networks in planning track superstructure repairs
    Zastosowanie sztucznych sieci neuronowych w planowaniu napraw nawierzchni kolejowej
    Autorzy:
    Bałuch, H.
    Nowosińska, I.
    Powiązania:
    https://bibliotekanauki.pl/articles/1849768.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    nawierzchnia kolejowa
    planowanie napraw
    sieć neuronowa sztuczna
    zastosowanie
    track superstructure
    repair planning
    neural network
    application
    Opis:
    The diagnostics of track superstructure, which involves geometric measurements, direct observation and railroad surveillance, provides the basis for making decisions regarding the commencement of repair works. Planning repairs and increasing the probability of making the right decision at the right time also requires knowledge of the basic performance specifications of a given railway line, especially the maximum train speed and the permissible traffic volume. The article discusses a way to plan the repairs of track superstructure using artificial neural networks. It features a description of the process of designing, building and training a neural network, based on which a way to predict the degree of urgency of repairs has been discussed. The conclusions point towards the potential advantages of neurocomputers in the process of track superstructure maintenance.
    Diagnostyka nawierzchni kolejowej obejmująca pomiary geometryczne, obserwacje bezpośrednie lub obrazy wizyjne stanowi podstawę do podejmowania decyzji o przystępowaniu do napraw. Planowanie napraw i zwiększenie prawdopodobieństwa trafności podjętej decyzji o właściwym czasie wykonania wymaga też znajomości podstawowych charakterystyk eksploatacyjnych określonej linii kolejowej, głównie zaś maksymalnej prędkości pociągów oraz natężenia przewozów. W artykule przedstawiono możliwość planowania napraw nawierzchni kolejowej przy zastosowaniu sztucznych sieci neuronowych. Scharakteryzowano proces projektowania, budowy i uczenia sieci neuronowej, na podstawie którego przedstawiono możliwość predykcji stopnia pilności naprawy. W podsumowaniu przedstawiono możliwości wykorzystania neurokomputerów w procesie utrzymania nawierzchni kolejowej.
    Źródło:
    Archives of Civil Engineering; 2020, 66, 4; 45-60
    1230-2945
    Pojawia się w:
    Archives of Civil Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A comparative analysis of artificial neural network predictive and multiple linear regression models for ground settlement during tunnel construction
    Autorzy:
    Zou, Baoping
    Chibawe, Musa
    Hu, Bo
    Deng, Yansheng
    Powiązania:
    https://bibliotekanauki.pl/articles/27312113.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Czasopisma i Monografie PAN
    Tematy:
    budowa
    tunel
    osiadanie gruntu
    regresja liniowa wielokrotna
    sieć neuronowa sztuczna
    tunnel
    construction
    ground settlement
    multiple linear regression
    artificial neural network
    Opis:
    Ground settlement during and after tunnelling using TBM results in varying dynamic and static load action on the geo-stratum. It is an undesirable effect of tunnel construction causing damage to the surface and subsurface infrastructure, safety risk, and increased construction cost and quality issues. Ground settlement can be influenced by several factors, like method of tunnelling, tunnel geometry, location of tunnelling machine, machine operational parameters, depth & its changes, and mileage of recording point from starting point. In this study, a description and evaluation of the performance of the artifcial neural network (ANN) was undertaken and a comparison with multiple linear regression (MLR) was carried out on ground settlement prediction. The performance of these models was evaluated using the coefficient of determination R2, root mean square error (RMSE) and mean absolute percentage error (MAPE). For ANN model, the R2, RMSE and MAPE were calculated as 0.9295, 4.2563 and 3.3372, respectively, while for MLR, the R2, RMSE and MAPE, were calculated as 0.5053, 11.2708, 6.3963 respectively. For ground settlement prediction, both ANN and MLR methods were able to predict significantly accurate results. It was further noted that the ANN performance was higher than that of the MLR.
    Źródło:
    Archives of Civil Engineering; 2023, 69, 2; 503--515
    1230-2945
    Pojawia się w:
    Archives of Civil Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Theoretical investigations for the verification of shear centre and deflection of sigma section by back propagation neural network using Python
    Autorzy:
    Janani, S.
    Thenmozhi, R.
    Jayagopal, L. S.
    Powiązania:
    https://bibliotekanauki.pl/articles/230800.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    sieć neuronowa sztuczna
    propagacja
    sekcja sigma
    centrum ścinania
    ugięcie
    konstrukcja dachu
    artificial neural network
    propagation
    sigma section
    shear centre
    deflection
    roof construction
    Opis:
    The most important challenges in the construction field is to do the experimentation of the designing at real time. It leads to the wastage of the materials and time consuming process. In this paper, an artificial neural network based model for the verification of sigma section characteristics like shear centre and deflection are designed and verified. The physical properties like weight, depth, flange, lip, outer web, thickness, and area to bring shear centre are used in the model. Similarly, weight, purlin centres with allowable loading of different values used in the model for deflection verification. The overall average error rate as 1.278 percent to the shear centre and 2.967 percent to the deflection are achieved by the model successfully. The proposed model will act as supportive tool to the steel roof constructors, engineers, and designers who are involved in construction as well as in the section fabricators industry.
    Źródło:
    Archives of Civil Engineering; 2019, 65, 2; 181-192
    1230-2945
    Pojawia się w:
    Archives of Civil Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Artificial Intelligence Algorithms for the Analysis of Mechanical Property of Friction Stir Welded Joints by using Python Programming
    Algorytmy sztucznej inteligencji do analizy właściwości mechanicznych połączeń zgrzewanych tarciowo z przemieszaniem przy użyciu programowania w języku Python
    Autorzy:
    Mishra, Akshansh
    Powiązania:
    https://bibliotekanauki.pl/articles/1819221.pdf
    Data publikacji:
    2020
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    uczenie maszynowe
    sieć neuronowa sztuczna
    drzewo decyzyjne
    optymalizacja
    zgrzewanie tarciowe z przemieszaniem
    machine learning
    artificial neural network
    decision tree
    optimization
    friction stir welding
    Opis:
    In modern computational science, the interplay existing between machine learning and optimization process marks the most vital developments. Optimization plays an important role in mechanical industries because it leads to reduce in material cost, time consumption and increase in production rate. The recent work focuses on performing the optimization task on Friction Stir Welding process for obtaining the maximum Ultimate Tensile Strength (UTS) of the friction stir welded joints. Two machine learning algorithms i.e. Artificial Neural Network (ANN) and Decision Trees regression model are selected for the purpose. The input variables are Tool Rotational Speed (RPM), Tool Traverse Speed (mm/min) and Axial Force (KN) while the output variable is Ultimate Tensile Strength (MPa). It is observed that in case of the Artificial Neural Networks the Root Mean Square Errors for training and testing sets are 0.842 and 0.808 respectively while in case of Decision Trees regression model, the training and testing sets result Root Mean Square Errors of 11.72 and 14.61. So, it can be concluded that ANN algorithm gives better and accurate result than Decision Tree regression algorithm.
    We współczesnych obliczeniach naukowych wzajemna zależność między uczeniem maszynowym a procesem optymalizacji wyznacza najbardziej istotne osiągnięcia. Optymalizacja odgrywa ważną rolę w przemyśle mechanicznym, ponieważ prowadzi do obniżenia kosztów materiałów, zużycia czasu i wzrostu szybkości produkcji. Ostatnie prace skupiają się na wykonaniu optymalizacji procesu zgrzewania tarciowego z przemieszaniem w celu uzyskania maksymalnej wytrzymałości na rozciąganie (UTS) połączeń zgrzewanych tarciowo z przemieszaniem. Do tego celu wybrano dwa algorytmy uczenia maszynowego, tj. Sztuczną sieć neuronową (ANN) i model decyzyjnego drzewa regresyjnego. Zmienne wejściowe to prędkość obrotowa narzędzia [obr/min], prędkość posuwu narzędzia [mm/min] i siła osiowa [kN], natomiast zmienną wyjściową jest maksymalna wytrzymałość na rozciąganie [MPa]. Zaobserwowano, że w przypadku sztucznych sieci neuronowych średnie błędy kwadratowe zbiorów uczących i testowych wynoszą odpowiednio 0,842 i 0,808, podczas gdy w przypadku modelu decyzyjnego drzewa regresji zbiory uczące i testujące dają średnie błędy kwadratowe 11,72 i 14,61. Można więc stwierdzić, że algorytm ANN daje lepsze i dokładniejsze wyniki niż algorytm regresji drzewa decyzyjnego.
    Źródło:
    Welding Technology Review; 2020, 92, 6; 7--16
    0033-2364
    2449-7959
    Pojawia się w:
    Welding Technology Review
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Non-destructive tests of fibre-cement materials structure with the use of scanning electron microscope
    Autorzy:
    Schabowicz, K.
    Gorzelańczyk, T.
    Szymków, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/115069.pdf
    Data publikacji:
    2018
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    emisja akustyczna
    sieć neuronowa sztuczna
    temperatura wysoka
    płyta włókno-cementowa
    badanie nieniszczące
    acoustic emission
    artificial neural network
    high temperature
    fibre-cement board
    nondestructive testing
    Opis:
    The article presents the NDT results of research on the influence of high temperature on the destruction of the structure of fiber-cement board as a result of the failure of a tunnel furnace. Two fiber cement boards were tested. There was a plate in a tunnel furnace during a failure, and reference plate dried in normal conditions. The research used acoustic emission method in combination with artificial neural networks. Interesting research results were obtained, which allowed to observe visible changes in the structure of the tested panels under the influence of high temperature. An important application from the point of view of building practice was formulated.
    Źródło:
    Welding Technology Review; 2018, 90, 11; 8-10
    0033-2364
    2449-7959
    Pojawia się w:
    Welding Technology Review
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Evaluation of the unit weight of organic soils from a CPTM using an Artificial Neural Networks
    Wyznacznie ciężaru objętościowego gruntu organicznego na podstawie badań CPTM z zastosowaniem sztucznych sieci neuronowych
    Autorzy:
    Straż, Grzegorz
    Borowiec, Artur
    Powiązania:
    https://bibliotekanauki.pl/articles/1852298.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    ciężar objętościowy
    sieć neuronowa sztuczna
    grunt organiczny
    sonda statyczna
    sonda stożkowa
    CPTM
    unit weight
    artificial neural network
    organic soil
    organic content
    cone penetration test
    Opis:
    This paper discusses the use of mechanical cone penetration test CPTM for estimating the soil unit weight of selected organic soils in Rzeszow site, Poland. A search was made for direct relationships between the empirically determined the soil unit weight value and cone penetration test leading parameters (cone resistance qc, sleeve friction fs. The selected, existing models were also analysed in terms of suitability for estimating the soil unit weight and tests were performed to predict the value soil unit weight of local, different organic soils. Based on own the regression analysis, the relationships between empirically determined values of soil unit weight and leading parameters cone penetration test were determined. The results of research and analysis have shown that both existing models and new, determined regression analysis methods are poorly matched to the unit weight values determined in laboratory, the main reason may be the fact that organic soils are characterized by an extremely complicated, diverse and heterogeneous structure. This often results in a large divergence and lack of repeatability of results in a satisfactorily range. Therefore, in addition, to improve the predictive performances of the relationships, analysis using the artificial neural networks (ANN) was carried out.
    W artykule zaprezentowano możliwości zastosowania wyników badań terenowych uzyskanych za pomocą stożkowej sondy statycznej CPTM (ze stożkiem mechanicznym) do wyznaczania ciężaru objętościowego wybranych gruntów organicznych zlokalizowanych na terenie Rzeszowa. Głównym celem prowadzonych badań było poszukiwanie bezpośrednich zależności pomiędzy między wyznaczonymi w warunkach laboratoryjnych wartościami ciężaru objętościowego gruntu γt a parametrami wiodącymi dla badania sondą statyczną CPTM, którymi są: opór gruntu podczas zagłębiania stożka qc oraz opór tarcia na tulei ciernej fs. Testy laboratoryjne wykonano na próbkach o nienaruszonej strukturze, pobranych z otworów kontrolnych umiejscowionych w bezpośrednim sąsiedztwie punktów sondowania, co pozwoliło na pozyskanie reprezentatywnych próbek gruntów o szerokim spectrum zawartości części organicznych od 5,02 do 84,93%. Wykorzystując metodę standardowej analizy regresji określono zależności między empirycznie wyznaczonymi wartościami ciężaru objętościowego badanych gruntów organicznych, a parametrami wyznaczonymi za pomocą sondy statycznej w warunkach in situ. Wykorzystano również szereg modeli literaturowych, opracowanych przez prezentujących je badaczy dla różnych ośrodków gruntowych i parametrów wiodących. Niestety, analiza regresji wykazała, że zarówno istniejące modele, jak i nowe są słabo dopasowane do wartości ciężaru objętościowego wyznaczonych w laboratorium. Głównym powodem może być fakt, że grunty organiczne charakteryzują się niezwykle skomplikowaną budową, różnorodną i niejednorodną strukturą, a przede wszystkim bardzo zróżnicowaną zawartością części organicznych, które mogą lokalnie różnić się genezą czy składem chemicznym. Czynniki te mają wpływ na wyjątkowo dużą rozbieżność i brak powtarzalności uzyskiwanych wyników w zadowalającym zakresie. Dlatego, dodatkowo, aby poprawić predykcyjne działanie zależności, przeprowadzono analizę z wykorzystaniem sztucznych sieci neuronowych (SSN). Porównanie wyników zastosowania standardowej regresji i sieci neuronowych w celu prognozowania ciężaru objętościowego wybranych gruntów organicznych na podstawie wyników sondowania statycznego wykazało, że sieci neuronowe są dokładniejsze. Maksymalne wartości median uzyskanych w analizach statystycznych współczynników determinacji (R2) testowanych modeli wynosiły odpowiednio 0,353 i 0,564. Wynik wykorzystania sieci neuronowych nie jest zadowalający, ale bardzo obiecujący. W związku z tym, planowana jest kontynuacja prac z wykorzystaniem analizy za pomocą sztucznych sieci neuronowych, lecz z zastosowaniem różnych kryteriów kategoryzowania lokalnych gruntów organicznych.
    Źródło:
    Archives of Civil Engineering; 2021, 67, 3; 259-281
    1230-2945
    Pojawia się w:
    Archives of Civil Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wyznaczanie częstości drgań własnych łuków z wykorzystaniem sztucznych sieci neuronowych
    Determination of the free transverse vibration frequency of the curves using artificial neural network technology
    Autorzy:
    Kaczmarek, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/161523.pdf
    Data publikacji:
    2015
    Wydawca:
    Polski Związek Inżynierów i Techników Budownictwa
    Tematy:
    łuk
    częstość drgań własnych
    wyznaczanie
    metodyka
    sieć neuronowa sztuczna
    uczenie sieci neuronowej
    testowanie
    arch
    eigenfrequency
    determination
    methodology
    artificial neural network
    neural network teaching
    testing
    Opis:
    Analiza zagadnienia własnego, czyli częstości i postaci drgań własnych, prętów zakrzywionych stanowi tematykę interesującą wielu badaczy. Zagadnienie drgań łuków jest istotnym problemem z uwagi na zastosowanie tych układów w budownictwie i mechanice.
    The analysis of free transverse vibration frequency of the curves curved rods has been a subject of interest for numerous researchers. The issue of the vibration of the curves is a major problem due to the use of the aforesaid technology in construction and mechanics.
    Źródło:
    Przegląd Budowlany; 2015, R. 86, nr 12, 12; 52-55
    0033-2038
    Pojawia się w:
    Przegląd Budowlany
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Hybrid predictions of the homogenous properties’ market value with the use of ann
    Prognozowanie wartości rynkowej jednorodnych nieruchomości hybrydowym modelem z wykorzystaniem sztucznych sieci neuronowych
    Autorzy:
    Anysz, Hubert
    Podwórna, Monika
    Ibadov, Nabi
    Lennerts, Kunibert
    Dikarev, Kostiantyn
    Powiązania:
    https://bibliotekanauki.pl/articles/1852660.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    wycena nieruchomości
    sieć neuronowa sztuczna
    perceptron wielowarstwowy
    podejście porównawcze
    uczenie maszynowe
    model hybrydowy
    real estate valuation
    artificial neural network
    multilayer perceptron
    comparative approach
    machine learning
    hybrid model
    Opis:
    The homogenous properties – as flats are – have the set of key features that characterizes them. The area of a flat, the number of rooms and storey number where it is located, the technical state of a building, and the state of the vicinity of the blocks of flats assessed. The database comprises 222 flats with their transaction prices on the secondary estate market. The analysed flats are located in a certain quarter of Wrocław city in Poland. The database is large enough to apply machine learning for successful price predictions. Their close locations significantly lower the influence of clients’ assessments of the attractiveness of the location on the flat’s price. The hybrid approach is applied, where classifying precedes the solution of the regression problem. Dependently on the class of flats, the mean absolute percentage error achieved through the calculations presented in the article varies from 4,4 % to 7,8 %. In the classes of flats where the number of cases doesn’t allow for machine predicting, multivariate linear regression is applied. The reliable use of machine learning tools has proved that the automated valuation of homogenous types of properties can produce price predictions with the error low enough for real applications.
    Wycena nieruchomości jest złożonym procesem. Rzeczoznawca majątkowy musi być biegły zarówno w naukach ekonomicznych, prawnych, jak i technicznych. W praktyce często zdarzają się przypadki, w których konieczne jest poznanie zakresu wartości nieruchomości w krótkim czasie. Zautomatyzowane modele wyceny (AVM) są kwestionowane przez praktyków, ale nie oznacza to, że nie należy szukać nowych metod wyceny, innych niż te określone w Rozporządzeniu Rady Ministrów z dnia 21 września 2004 r. w sprawie wyceny nieruchomości i sporządzania operatu szacunkowego. Do określenia wartości rynkowej nieruchomości zdefiniowanej w Ustawie z dnia 21 sierpnia 1997 r o gospodarce nieruchomościami, jako „szacunkowa kwota, jaką w dniu wyceny można uzyskać za nieruchomość w transakcji sprzedaży zawieranej na warunkach rynkowych pomiędzy kupującym a sprzedającym, którzy mają stanowczy zamiar zawarcia umowy, działają z rozeznaniem i postępują rozważnie oraz nie znajdują się w sytuacji przymusowej”, najczęściej stosowaną metodą wyceny jest podejście porównawcze polegające na szacowaniu wartości na podstawie ostatnich danych sprzedaży innych podobnych nieruchomości na rynku lokalnym. Takie podejście wymaga aktywnego, rozwiniętego oraz w miarę stabilnego rynku. Rzeczoznawca majątkowy analizuje ceny transakcyjne nieruchomości, które w wystarczającym stopniu są podobne do nieruchomości wycenianej. Analiza atrybutów nieruchomości polega na badaniu nieruchomości pod względem trwałych cech, które mają znaczący wpływ na wartość, w szczególności lokalizację obiektu, jego powierzchnię, położenie w budynku, stan techniczny. W pracy przenalizowano próbkę 222 nieruchomości lokalowych, które były przedmiotem obrotu na wrocławskim rynku wtórnym. Lokalny rynek nieruchomości przyjęto jako nieruchomości lokalowe o powierzchni użytkowej z przedziału od 15 do 95 m2, w budynkach o stanie dobry lub średnim, z obrębu Grabiszyn dzielnicy Fabryczna miasta Wrocław. W pracy przyjęto dwuletni okres analizy, ze względu na w miarę stabilny rynek w okresie 2013-2014 nie uwzględniono czynnika czasu - przyjęto zerowy trend czasowy dla transakcji wolnorynkowych.
    Źródło:
    Archives of Civil Engineering; 2021, 67, 1; 285-301
    1230-2945
    Pojawia się w:
    Archives of Civil Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    ANN-based modeling of fly ash compaction curve
    Modelowanie krzywej zagęszczalności popiołu lotnego za pomocą SSN
    Autorzy:
    Zabielska-Adamska, K.
    Sulewska, M. J.
    Powiązania:
    https://bibliotekanauki.pl/articles/231108.pdf
    Data publikacji:
    2012
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    krzywa zagęszczalności
    popiół lotny
    zagęszczalność
    parametr zagęszczalności
    parametr geotechniczny
    sieć neuronowa sztuczna
    modelowanie numeryczne
    ANN
    compaction curve
    fly ash
    compactibility
    compaction parameter
    geotechnical parameter
    artificial neural network
    numerical modeling
    SSN
    Opis:
    The use of fly ash as a material for earth structures involves its proper compaction. Fly ash compaction tests have to be conducted on separately prepared virgin samples because spherical ash grains are crushed during compaction, so the laboratory compaction procedure is time-consuming and laborious. The aim of the study was to determine the neural models for prediction of fly ash compaction curve shapes. The attempt of applying the artificial neural networks type MLP was made. ANN inputs were new-created variables - principal components dependent on grain-size distribution (as D10-D90 and uniformity and curvature coefficients), compaction method, and fly ash specific density. The output vectors were presented by coordinates of generated compaction curve points. Each point was described by two independent ANNs. Using ANN-based modelling method, models which enable establishing the approximate compaction curve shape were obtained.
    Wykorzystanie popiołu lotnego do konstrukcji ziemnych wymaga jego właściwego zagęszczenia. Zagęszczanie powoduje wzrost gęstości gruntu, zwiększa jego wytrzymałość i zdolność do przenoszenia obciążeń, a także zmniejsza ściśliwość i przepuszczalność. Oznaczenie zagęszczalności popiołu lotnego musi być przeprowadzane na próbkach jednokrotnie zagęszczanych, ponieważ sferyczne ziarna popiołu są niszczone w trakcie ubijania, w związku z tym, laboratoryjne ustalenie krzywej zagęszczalności popiołu jest bardzo czasochłonne. Celem artykułu było wykorzystanie modelowania neuronowego do prognozy kształtu krzywej zagęszczalności popiołu lotnego. Podjęto próbę zastosowania sztucznych sieci neuronowych SSN typu MLP do opisu punktów krzywej zagęszczalności. Każdy punkt krzywej został opisany przez dwie niezależne SSN. Wykorzystano SSN o różnych wejściach, którymi były nowo utworzone zmienne- składowe główne, zależne od uziarnienia (średnic efektywnych d10-d90 oraz wskaźników jednorodności i krzywizny uziarnienia), metody zagęszczenia oraz gęstości właściwej szkieletu gruntowego pdi. Wektorami wyjścia były współrzędne punktów krzywej zagęszczalności popiołu lotnego. Najlepszymi sieciami neuronowymi były sieci o topologii: 6-3-1, 6-2-1 i 6-4-1 dla prognozy wartości wilgotności wi, oraz 5-3-1 i 6-3-1 dla predykcji wartości gęstości objętościowej szkieletu gruntowego. Uzyskano sieci neuronowe o zadowalającej precyzji, szczególnie w przypadku wartości pdi. Modelowanie krzywej za pomocą SSN umożliwiło ustalenie przybliżonego kształtu krzywej zagęszczalności popiołu lotnego.
    Źródło:
    Archives of Civil Engineering; 2012, 58, 1; 57-69
    1230-2945
    Pojawia się w:
    Archives of Civil Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Models for determining annual average daily traffic on the national roads
    Modele do wyznaczania średniego dobowego ruchu w roku na drogach krajowych
    Autorzy:
    Spławińska, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/231416.pdf
    Data publikacji:
    2015
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    droga krajowa
    zmienność
    natężenie ruchu
    dobowy ruch średni w roku
    SDR
    regresja wieloraka
    sieć neuronowa sztuczna
    national road
    variability
    traffic flow
    annual average daily traffic
    AADT
    multiple regression
    artificial neural network
    Opis:
    One of the basic parameters which describes road traffic is Annual Average Daily Traffic (AADT). Its accurate determination is possible only on the basis of data from the continuous measurement of traffic. However, such data for most road sections is unavailable, so AADT must be determined on the basis of short periods of random measurements. This article presents different methods of estimating AADT on the basis of daily traffic (VOL), and includes the traditional Factor Approach, developed Regression Models and Artificial Neural Network models. As explanatory variables, quantitative variables (VOL and the share of heavy vehicles) as well as qualitative variables (day of the week, month, level of AADT, the cross-section, road class, nature of the area, spatial linking, region of Poland and the nature of traffic patterns) were used. Based on comparisons of the presented methods, the Factor Approach was identified as the most useful.
    Jednym z podstawowych parametrów opisujących ruch drogowy jest Średni Dobowy Ruch w roku (SDR). Jest on wykorzystywany do różnych celów między innymi do projektowania i planowania rozwiązań drogowych, obliczania hałasu drogowego czy do studiów wypadkowości. Jego nieprawidłowe oszacowanie i prognozowanie może prowadzić do licznych błędów, przykładowo do niewłaściwego doboru typów skrzyżowań i niewłaściwego ich projektowania czy do przeciążenia tras projektowanych na natężenie ruchu mniejsze niż to, które rzeczywiście może się pojawić. Uzyskanie dokładnych i wiarygodnych wielkości SDR możliwe jest jedynie na podstawie danych pochodzących z ciągłych automatycznych pomiarów ruchu. Niestety z większości odcinków drogowych nie ma takich danych, więc SDR musi być wyznaczany w oparciu o krótkie okresy wyrywkowych pomiarów. W tym celu najczęściej stosuje się metodę wskaźnikową.
    Źródło:
    Archives of Civil Engineering; 2015, 61, 2; 141-160
    1230-2945
    Pojawia się w:
    Archives of Civil Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prediction of asphalt creep compliance using artificial neural networks
    Autorzy:
    Zofka, A.
    Yut, I.
    Powiązania:
    https://bibliotekanauki.pl/articles/230827.pdf
    Data publikacji:
    2012
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    lepiszcze asfaltowe
    mieszanka asfaltowa gorąca
    sieć neuronowa sztuczna
    belka zginana
    reometr
    podatność na pełzanie
    badanie napięcia pośrednie
    asphalt binder
    hot mix asphalt
    artificial neural network
    bending beam
    rheometer
    creep compliance
    indirect tension test
    Opis:
    Creep compliance of the hot-mix asphalt (HMA) is a primary input of the current pavement thermal cracking prediction model used in the US. This paper discusses a process of training an Artificial Neural Network (ANN) to correlate the creep compliance values obtained from the Indirect Tension (IDT) with similar values obtained on small HMA beams from the Bending Beam Rheometer (BBR). In addition, ANNs are also trained to predict HMA creep compliance from the creep compliance of asphalt binder and vice versa using the BBR setup. All trained ANNs exhibited a very high correlation of 97 to 99 percent between predicted and measured values. The binder creep compliance functions built on the ANN-predicted discrete values also exhibited a good correlation when compared with the laboratory experiments. However, the simulation of trained ANNs on the independent dataset produced a significant deviation from the measured values which was most likely caused by the differences in material composition, such as aggregate type and gradation, presence of recycled additives, and binder type.
    Źródło:
    Archives of Civil Engineering; 2012, 58, 2; 153-173
    1230-2945
    Pojawia się w:
    Archives of Civil Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-11 z 11

      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