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 "Lenart, Ł." wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Almost Periodically Correlated Time Series in Business Fluctuations Analysis
    Autorzy:
    Lenart, Ł.
    Pipień, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/1400178.pdf
    Data publikacji:
    2013-03
    Wydawca:
    Polska Akademia Nauk. Instytut Fizyki PAN
    Tematy:
    89.65.Gh
    05.10.Gg
    Opis:
    We propose a non-standard subsampling procedure to make formal statistical inference about the business cycle, one of the most important unobserved feature characterising fluctuations of economic growth. We show that some characteristics of business cycle can be modelled in a non-parametric way by discrete spectrum of the almost periodically correlated time series. On the basis of estimated characteristics of this spectrum business cycle is extracted by filtering. As an illustration we characterise the main properties of business cycles in industrial production index for Polish economy.
    Źródło:
    Acta Physica Polonica A; 2013, 123, 3; 567-583
    0587-4246
    1898-794X
    Pojawia się w:
    Acta Physica Polonica A
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Cyclical Properties of the Credit and Production in Selected European Countries - a Comparison of Deterministic and Stochastic Cycle Approach
    Autorzy:
    Lenart, Ł.
    Pipień, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/1029291.pdf
    Data publikacji:
    2018-06
    Wydawca:
    Polska Akademia Nauk. Instytut Fizyki PAN
    Tematy:
    almost periodicity
    spectral analysis
    financial cycle
    production cycle
    Opis:
    We develop two nonparametric approaches to analyze the empirical properties of economic cycles. The first approach is based on almost periodically correlated time series commonly used in signal processing. Within this framework we depart from standard scheme of analysis that relies on stationarity assumption. The second approach is based on spectral analysis provided the stationarity assumption of cyclical fluctuations. We contribute to the existing literature in both, theoretical and empirical aspects. From theoretical viewpoint we develop methods of formal statistical inference about the main properties of elements of the economic cycle. In the first approach the testing procedure utilizing subsampling approach is proposed. In the second approach the method of analysis of concentration of the spectral mass is developed. Based on the monthly series of the credit aggregate and the industrial production, taken from selected European countries, we discuss the empirical properties of the credit cycle and we compare them with the production cycle. Our empirical findings show substantial diversity of the credit cycle across analysed countries. Also cyclical component in the credit series is identified much stronger than in case of the series of industrial production. Also the production cycles are much more synchronized across countries compared to the credit cycles.
    Źródło:
    Acta Physica Polonica A; 2018, 133, 6; 1371-1387
    0587-4246
    1898-794X
    Pojawia się w:
    Acta Physica Polonica A
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Predykcyjny model dobowej emisji energii sejsmicznej indukowanej eksploatacją górniczą
    Predictive model of the daily release of seismic energy induced by mining
    Autorzy:
    Jakubowski, J.
    Lenart, Ł.
    Ożóg, Ł.
    Powiązania:
    https://bibliotekanauki.pl/articles/166220.pdf
    Data publikacji:
    2014
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Górnictwa
    Tematy:
    sejsmiczność indukowana
    wstrząsy górnicze
    hazard sejsmiczny
    zagrożenie tąpaniami
    drzewa wzmacniane
    sieci neuronowe
    regresja logistyczna
    modele prognostyczne
    modele klasyfikacyjne
    induced seismicity
    mining tremors
    seismic hazard
    rockburst hazard
    data mining
    boosted trees
    neural networks
    logistic regression
    predictive model
    classification model
    Opis:
    W artykule przedstawiono budowę i ocenę predykcyjnego modelu klasyfikacyjnego dobowej emisji energii sejsmicznej indukowanej eksploatacją ścianową węgla. Model jest oparty na danych z katalogu wstrząsów i podstawowych danych o wydobyciu i ścianach eksploatowanych w partii XVI kopalni Piast w okresie od lipca 1987 do marca 2011. Zmienną prognozowaną jest dwustanowa zmienna określająca wystąpienie dobowej sumy energii sejsmicznej wstrząsów w rejonie ściany większej lub równej wartości progowej 10/5 J. Zastosowano trzy metody analityczne w schemacie data mining: regresję logistyczną, sieci neuronowe i drzewa wzmacniane. Jako najlepszy do celów prognozy wybrano model drzew wzmacnianych. Wyniki na zbiorze walidacyjnym pokazały jego dobrą zdolność predykcyjną, co zachęca do dalszych badań.
    This paper presents the design and evaluation of the classification predictive model of daily seismic activity induced by longwall mining. The model combines seismic catalog data, output volume and basic characteristics of the longwall faces in sector XVI of the Piast coal mine over the period of July 1987 to March 2011. The predicted variable defines the occurrence of a daily sum of seismic energy released nearby the longwall, that is greater than or equal to the threshold value of 10/5 J. Machine learning and statistical methods were applied, namely neural networks, stochastic gradient boosted trees and logistic regression. The design and evaluation of the classification predictive models were presented. The boosted tree model appeared to meet the prediction quality criteria best. The results of the model evaluation show its promising predictive capability.
    Źródło:
    Przegląd Górniczy; 2014, 70, 3; 18-25
    0033-216X
    Pojawia się w:
    Przegląd Górniczy
    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