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 ""Sieci"" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-13 z 13
    Tytuł:
    The identification of parameters of a linear and a non-linear model of a kinematic measurement-control network
    Identyfikacja parametrów modelu liniowego i nieliniowego sieci kinematycznej pomiarowo-kontrolnej
    Autorzy:
    Mrówczyńska, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/341511.pdf
    Data publikacji:
    2014
    Wydawca:
    Uniwersytet Przyrodniczy we Wrocławiu
    Tematy:
    kinematic model of a geodetic network
    vertical displacements
    neural networks
    model kinematyczny sieci geodezyjnych
    przemieszczenia pionowe
    sieci neuronowe
    Opis:
    Engineering geodesy deals with a wide range of problems. There is also a part that deals with measuring displacements and deformations of engineering objects. Correct geodetic monitoring requires identifying the movement of points representing an engineering object in order to determine displacement values, taking into account the time function. The paper presents the results of research on kinematic models of geodetic networks in the aspect of using them for describing the state of vertical displacements of engineering objects located on expansive soil. The paper presents two functional models of an observation system: one in the form of a second rank polynomial and the other in the form of an exponential function. The selected kinematic models of measurement-control geodetic networks were estimated with classic methods and neural networks.
    Rozpatrując szeroki zakres zagadnień związanych z geodezją inżynieryjną, można wyróżnić część zajmującą się pomiarami przemieszczeń i odkształceń obiektów budowlanych. Poprawnie prowadzony monitoring geodezyjny wymaga identyfikacji ruchu punktów reprezentujących badany obiekt budowlany, w celu określenia wartości przemieszczeń z uwzględnieniem funkcji czasu. W artykule zostały przedstawione wyniki opracowań modeli kinematycznych sieci geodezyjnych w aspekcie ich zastosowania do opisu stanu przemieszczeń pionowych obiektu budowlanego posadowionego na gruntach ekspansywnych. W pracy zaprezentowano dwa modele funkcjonalne układu obserwacyjnego w postaci wielomianu drugiego stopnia oraz funkcji wykładniczej. Estymację wybranych modeli kinematycznych sieci geodezyjnych pomiarowo-kontrolnych wykonano z zastosowaniem metod klasycznych oraz z wykorzystaniem sieci neuronowych.
    Źródło:
    Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum; 2014, 13, 1-2; 36-47
    1644-0668
    Pojawia się w:
    Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The SVM method as an instrument for the classification of vertical displacements
    Autorzy:
    Mrówczyńska, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/106759.pdf
    Data publikacji:
    2015
    Wydawca:
    Politechnika Warszawska. Wydział Geodezji i Kartografii
    Tematy:
    neural networks
    classification
    vertical displacements
    sieci neuronowe
    klasyfikacja
    przemieszczenia pionowe
    Opis:
    The article presents the basic rules for constructing and training neural networks called the Support Vector Machine method as well as possible applications for this kind of network. SVM networks are mainly used for solving tasks of classifying linearly and non-linearly separable data and regression. However, in recent years more applications have been found for them. The networks also solve such problems as the recognition of signals and images as well as speech identification.In this paper, non-linear SVM networks have been used for classifying linearly separable and non-separable data with a view to formulating a model of displacements of points in a measurement-control network. The points of the measurement-control network were placed on a civil engineering object located on expansive soil (linearly separable data) and represented a mining exploitation area (linearly non-separable data). The task of training SVM networks requires the use of quadratic programming in search of an optimum point of the Lagrangian function in relation to the parameters being optimised. In the case of linearly non-separable data, the SVM method makes it possible to find a hyperplane which classifies objects as correctly as possible, and at the same time is located possibly far away from concentrations typical of each class.
    Źródło:
    Reports on Geodesy and Geoinformatics; 2015, 98; 18-27
    2391-8365
    2391-8152
    Pojawia się w:
    Reports on Geodesy and Geoinformatics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    On solving selected problems of linear algebra by means of neural networks
    Zagadnienie rozwiązywania wybranych zadań algebry liniowej za pomocą sieci neuronowych
    Autorzy:
    Mrówczyńska, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/395896.pdf
    Data publikacji:
    2011
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    sieci neuronowe
    algebra liniowa
    neural networks
    linear algebra
    linear systems
    Opis:
    The paper presents selected practical applications and results of computer simulations from the field of numerical linear algebra realized by means of neural networks. Bearing in mind aspects of applications, it has been decided that priority should be given to the description of the problem of soling over-determined linear systems in the norm l_2 and the norm l_1.
    W pracy przedstawiono wybrane zastosowania praktyczne i wyniki symulacji komputerowych z zakresu numerycznej algebry liniowej, realizowanej za pomocą sieci neuronowych. Mając na względzie aspekty zastosowań, uznano za celowe nadać priorytet opisowi zagadnienia wyrównania nadokreślonych układów liniowych w normie l_2 oraz w normie l_1. Do standardowych operacji numerycznych zaliczono również algorytmy obliczania inwersji macierzy kwadratowych oraz wyznaczania ich wartości własnych i wektorów własnych.
    Źródło:
    Civil and Environmental Engineering Reports; 2011, 7; 5-17
    2080-5187
    2450-8594
    Pojawia się w:
    Civil and Environmental Engineering Reports
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Klasyfikatory neuronowe typu SVM w zastosowaniu do klasyfikacji przemieszczeń pionowych na obszarze LGOM
    SVM neural classifiers used for classifying vertical displacements in the Legnica-Głogów Copper Mining Area
    Autorzy:
    Mrówczyńska, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/394109.pdf
    Data publikacji:
    2014
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    sieci neuronowe SVM
    klasyfikacja
    przemieszczenia pionowe
    SVM neural networks
    classification
    vertical displacements
    Opis:
    W prezentowanym artykule przedstawiono podstawowe zasady budowania i uczenia sieci neuronowych SVM (ang. Support Vector Machine) zwane inaczej metodą (techniką) wektorów podtrzymujących. Sieci SVM znajdują głównie zastosowanie w rozwiązywaniu zadań klasyfikacji danych separowalnych i niesparowalnych liniowo oraz zadań regresji. W ostatnich latach zakres zastosowań tego typu sieci został poszerzony i sieci rozwiązują również takie problemy jak rozpoznawanie sygnałów i obrazów, identyfikacja mowy oraz diagnostyka medyczna. W pracy sieci nieliniowe SVM wykorzystano do klasyfikacji danych nieseparowalnych liniowo w postaci przemieszczeń punktów sieci pomiarowo-kontrolnej reprezentujących obszar, na którym prowadzona jest eksploatacja górnicza. Uczenia sieci neuronowej SVM wymaga implementacji programowania kwadratowego w poszukiwaniu punktu optymalnego funkcji Lagrange'a względem optymalizowanych parametrów. W przypadku danych nieseparowalnych liniowo, metoda SVM pozwala na znalezienie hiperpłaszczyzny, która klasyfikuje obiekty na tyle poprawnie, na ile jest to możliwe i jednocześnie przebiega możliwe daleko od typowych skupień dla każdej z klas. Za pomocą metody SVM można również znaleźć krzywoliniową granicę separacji o dużym marginesie separacji, wykorzystując zabieg podniesienia wymiarowości. Jakość uzyskanych wyników separacji jest uzależniona od przyjętej postaci funkcji jądra.
    This article presents basic rules for constructing and training SVM neural networks. SVM neural networks are mainly used for solving tasks involving the classification of linearly and non-linearly separable data, as well as regression tasks. In recent years, the application of these types of networks has expanded, and now they are also used for solving problems such as recognition of signals and pictures, speech identification, and in medical diagnostics. In this analysis non-linear SVM networks were used for classifying linearly non-separable data in the form of vertical displacements of points representing a mining area in a measurement and control network. Training an SVM neural network requires the use of quadrant programming in search of an optimum point of a Lagrangian function in relation to the parameters which are being optimised. In the case of linearly non-separable data, the SVM method makes it possible to find a hyper plane which classifies objects as correctly as possible, and at the same time is located far enough from concentrations typical of each class. By means of raising dimensionality, the SVM method can also be used to find a curvilinear separation boundary with a wide separation margin. The quality of the results obtained depends on the adopted form of the kernel function.
    Źródło:
    Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN; 2014, 86; 69-81
    2080-0819
    Pojawia się w:
    Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The hopfield neural network in the aspect of the stabilization of the displacement phenomenon
    Autorzy:
    Gil, J.
    Mrówczyńska, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/224387.pdf
    Data publikacji:
    2007
    Wydawca:
    Politechnika Warszawska. Wydział Geodezji i Kartografii
    Tematy:
    sieci neuronowe typu Hopfielda
    pomiary geodezyjne
    Hopfield neural network
    displacement phenomenon
    engineering surveying
    Źródło:
    Reports on Geodesy; 2007, z. 1/82; 75-80
    0867-3179
    Pojawia się w:
    Reports on Geodesy
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Measurement data processing with the use of art networks
    Przetwarzania danych pomiarowych z wykorzystaniem sieci z rezonansem adaptacyjnym ART
    Autorzy:
    Mrówczyńska, M.
    Sztubecki, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/970998.pdf
    Data publikacji:
    2018
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    ART neural network
    prediction model
    vertical displacements
    sieci neuronowe ART
    model predykcyjny
    przemieszczenia pionowe
    Opis:
    ART (Adaptive Resonance Theory) networks were invented in the 1990s as a new approach to the problem of image classification and recognition. ART networks belong to the group of resonance networks, which are trained without supervision. The paper presents the basic principles for creating and training ART networks, including the possibility of using this type of network for solving problems of predicting and processing measurement data, especially data obtained from geodesic monitoring. In the first stage of the process of creating a prediction model, a preliminary analysis of measurement data was carried out. It was aimed at detecting outliers because of their strong impact on the quality of the final model. Next, an ART network was used to predict the values of the vertical displacements of points of measurement and control networks stabilized on the inner and outer walls of an engineering object.
    Sieci neuronowe ART (ang. Adaptive Resonance Theory) zostały opracowane w latach 90 ubiegłego wieku, jako nowe podejście w rozwiązywaniu problemów klasyfikacji i rozpoznawaniu obrazów. Sieci ART należą do grupy sieci rezonansowych, których uczenie prowadzone jest w trybie nie nadzorowanym. W artykule przedstawiono podstawowe zasady budowy i uczenia sieci neuronowych ART wraz z możliwością aplikacji tego rodzaju sieci do rozwiązywania zagadnień predykcji i przetwarzania danych pomiarowych, w szczególności pozyskanych w wyniku prowadzonego monitoringu geodezyjnego. W pierwszym etapie procesu budowy modelu predykcyjnego wykonano wstępną analizę danych pomiarowych związaną z wykrywaniem obserwacji odstających ze względu na ich istotny wpływ na ostateczną jakość modelu. Następnie wykorzystując sieć ART wyznaczono przewidywane wartości przemieszczeń pionowych dla punktów sieci pomiarowo-kontrolnej, zastabilizowanych na wewnętrznych i zewnętrznych ścianach obiektu budowlanego, na których zauważono liczne spękania.
    Źródło:
    Civil and Environmental Engineering Reports; 2018, No. 28(2); 186-195
    2080-5187
    2450-8594
    Pojawia się w:
    Civil and Environmental Engineering Reports
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Selected models for the description of the kinematics of changes of height differences between points in a geodesic network under the influence of mining
    Wybrane modele opisu kinematyki sieci geodezyjnej wysokościowej pod wpływem eksploatacji górniczej
    Autorzy:
    Mrówczyńska, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/396085.pdf
    Data publikacji:
    2012
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    teren eksploatacji górniczej
    deformacja powierzchni
    Legnicko-Głogowski Okręg Miedziowy
    sieci geodezyjne
    model przemieszczeń pionowych
    sieci neuronowe
    deformation of surface
    Legnica-Głogów Copper Mining Area
    reference system
    model of vertical displacements
    neural networks
    Opis:
    The article attempts to describe the progress of deformation of the surface of the Legnica-Głogów Copper Mining Area in the years 1967-2008. The state of deformation has been described with kinematical models of the displacement of points representing the area under research. It has been analysed whether there are possibilities of using a counter-propagation algorithm for estimating displacements of selected points for which an assumption has been made that during the research they were damaged or destroyed. The numerical procedures of the estimation of parameters of displacement models were carried out by means of traditional optimisation methods and neural networks.
    W treści artykułu podjęto próbę opisu przebiegu deformacji powierzchni terenu obszaru Legnicko – Głogowskiego Okręgu Miedziowego w latach 1967 – 2008. Stan deformacji został opisany modelami kinematycznymi przemieszczeń punktów reprezentujących badany obszar. Przeprowadzono rozważania dotyczące możliwości wykorzystania algorytmu kontrpropagacji do oszacowania przemieszczeń wybranych punktów, dla których przyjęto założenie, że w trakcie prowadzonych badań punkty zostały uszkodzone bądź zniszczone. Procedury numeryczne estymacji parametrów modeli przemieszczeń realizowano za pomocą tradycyjnych metod optymalizacji i sieci neuronowych.
    Źródło:
    Civil and Environmental Engineering Reports; 2012, 8; 5-17
    2080-5187
    2450-8594
    Pojawia się w:
    Civil and Environmental Engineering Reports
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Estymacja błędów modelu powierzchni opisanych funkcjami kształtu za pomocą sieci neuronowych
    The estimation of errors of area models described by the shape functions by the means of neural networks
    Autorzy:
    Mrówczyńska, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/341297.pdf
    Data publikacji:
    2007
    Wydawca:
    Uniwersytet Przyrodniczy we Wrocławiu
    Tematy:
    sieci neuronowe jednokierunkowe
    algorytmy gradientowe
    aproksymacja powierzchni
    neural network
    gradient methods of optimalization
    approximation method
    Opis:
    W artykule przedstawiono zagadnienie estymacji błędów modeli powierzchni określonej na dyskretnym zbiorze punktów o danych wartościach współrzędnych przestrzennych (x,y,z). Przyjęto, że obiekt opisują funkcje kształtu w postaci płaszczyzny, paraboloidy eliptycznej oraz paraboloidy hiperbolicznej. Realizacja numeryczna zadania polegała na wyznaczeniu błędów modeli określonych za pomocą sieci neuronowych oraz na podstawie rozwiązania zadań wyrównawczych. Modelowanie za pomocą sieci neuronowych zrealizowano za pomocą sieci jednokierunkowych wielowarstwowych z zastosowaniem gradientowych metod optymalizacji oraz algorytmu Resilientback Propagation (RPROP). Wyniki porównano z wynikami aproksymacji wielomianem drugiego i trzeciego stopnia, funkcją sklejaną oraz metodą kriging.
    The article deals with the issue of estimation of the area models errors determined on the basis of a discrete points set with the given values of space coordinates (x, y, z). The object was assumed to be described by shape functions in the form of the elliptic paraboloid and the hyperbolic paraboloid. The digital task accomplishment consisted in the statistic verification of errors of the models determined by neural networks and by the accomplishment of adjustment tasks. Modeling by the means of neural networks was carried out by the unidirectional multilayer networks with the application of gradient methods of optimalization and by Resilientback Propagation algorithm (RPROP). The obtained results were compared with the following results of approximation of the second and the third degree of polynomial, the b-spline function and the kriging's method.
    Źródło:
    Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum; 2007, 6, 1; 15-23
    1644-0668
    Pojawia się w:
    Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Elements of an algorithm for optimizing a parameter-structural neural network
    Autorzy:
    Mrówczyńska, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/106777.pdf
    Data publikacji:
    2016
    Wydawca:
    Politechnika Warszawska. Wydział Geodezji i Kartografii
    Tematy:
    neural networks
    group data handling
    deviations from the vertical
    sieci neuronowe
    przetwarzanie danych grupowe
    odchylenie od pionu
    Opis:
    The field of processing information provided by measurement results is one of the most important components of geodetic technologies. The dynamic development of this field improves classic algorithms for numerical calculations in the aspect of analytical solutions that are difficult to achieve. Algorithms based on artificial intelligence in the form of artificial neural networks, including the topology of connections between neurons have become an important instrument connected to the problem of processing and modelling processes. This concept results from the integration of neural networks and parameter optimization methods and makes it possible to avoid the necessity to arbitrarily define the structure of a network. This kind of extension of the training process is exemplified by the algorithm called the Group Method of Data Handling (GMDH), which belongs to the class of evolutionary algorithms. The article presents a GMDH type network, used for modelling deformations of the geometrical axis of a steel chimney during its operation.
    Źródło:
    Reports on Geodesy and Geoinformatics; 2016, 101; 27-35
    2391-8365
    2391-8152
    Pojawia się w:
    Reports on Geodesy and Geoinformatics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Próba budowy modelu geologicznego pradoliny głogowsko-barudzkiej w okolicy Nowej Soli z wykorzystaniem sztucznych sieci neuronowych
    Geological model test construction of great-valley Głogów in area a Nowa Sól with the use of neural networks
    Autorzy:
    Kraiński, A.
    Mrówczyńska, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/372101.pdf
    Data publikacji:
    2010
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    pradolina
    depresja glacitektoniczna
    sztuczne sieci neuronowe
    gradientowe metody optymalizacji
    neural networks
    gradient methods of optimalization
    great-valley
    glacitectonic depression
    Opis:
    W artykule podjęto próbę wyznaczenia przebiegu warstw geologicznych dla fragmentu obszaru pradoliny głogowsko - barudzkiej, wykorzystując w tym celu sieci neuronowe jednokierunkowe wielowarstwowe typu sigmoidalnego uczone metodą propagacji wstecznej błędu, która bazuje na znanych z teorii optymalizacji metodach gradientowych. Wyznaczenie przebiegu poszczególnych warstw zostało wykonane na podstawie współrzędnych (x,y) oraz danych w postaci wysokości stropu, głębokości spągu oraz miąższości warstw uzyskanych na podstawie badań terenowych.
    This article attempts to determine the course of geological strata for a great-valley area Głogów, using the multilayer neural network the sigmoidal type training by back propagation method, which is based on the known theory of gradient optimization methods. Determination of the experience of individual layers was made on the basis of the coordinates (x,y), and data in the form of ceiling height, depth and thickness of floor obtained from field studies.
    Źródło:
    Zeszyty Naukowe. Inżynieria Środowiska / Uniwersytet Zielonogórski; 2010, 139 (19); 47-66
    1895-7323
    Pojawia się w:
    Zeszyty Naukowe. Inżynieria Środowiska / Uniwersytet Zielonogórski
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Sztuczne sieci neuronowe w zastosowaniu do budowy modelu geologicznego Pradoliny Głogowsko-Barudzkiej w okolicy Nowej Soli
    The use of neural networks in the construction of geological model of the Głogów-Baruth Ice-Marginal Valley in the Nowa Sól area, Poland
    Autorzy:
    Kraiński, A.
    Mrówczyńska, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/2074912.pdf
    Data publikacji:
    2012
    Wydawca:
    Państwowy Instytut Geologiczny – Państwowy Instytut Badawczy
    Tematy:
    neural networks
    gradient methods of optimization
    ice-marginal valley
    glaciotectonic depression
    sieci neuronowe
    gradientowe metody optymalizacji
    pradolina
    depresja glacitektoniczna
    Opis:
    This article attempts to determine the course of geological strata in part of the G³ogów-Baruth Ice-Marginal Valley, using the multilayer neural networks of a sigmoidal type, trained by the back propagation method that is based on the known theory of gradient optimization methods. Determination of the trend of individual layers was made based on the coordinates (x, y) and the following data: depth of the top, depth of the base and thickness of the strata, obtained from field studies.
    Źródło:
    Przegląd Geologiczny; 2012, 60, 12; 650--656
    0033-2151
    Pojawia się w:
    Przegląd Geologiczny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prediction of deflection from flatness and a vertical position with the use of neural networks
    Predykcja odchyleń od płaskości i pozycji pionowej z zastosowaniem sieci neuronowych
    Autorzy:
    Mrówczyńska, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/396318.pdf
    Data publikacji:
    2012
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    neural networks
    deflections from flatness
    prediction
    church of the Blest Virgin Mary in Toruń
    sieci neuronowe
    odchylenia od płaskości
    predykcja odchyleń
    kościół Najświętszej Maryi Panny w Toruniu
    Opis:
    The paper presents an attempt to apply unidirectional multilayer neural networks in the prediction of the deflections from flatness and from a vertical position of building walls, on an example of periodic measurements in the church of the Blessed Virgin Mary in Toruń. The applied methods of artificial intelligence in a form of sigmoid neural networks were taught with the use of the backpropagation method, which bases on the gradient methods described in optimization theories. The prognosis of the values of the deflections from flatness and from vertical position was carried out for a single measurement epoch on the basis of ten periodic measurements performed at several-year intervals.
    W artykule podjęto próbę wykorzystania sieci neuronowych jednokierunkowych wielowarstwowych do predykcji odchyleń od płaskości i pozycji pionowej ścian budynku, na przykładzie pomiarów okresowych kościoła Najświętszej Maryi Panny w Toruniu. Wykorzystane metody sztucznej inteligencji w postaci sieci neuronowych typu sigmoidalnego były uczone metodą propagacji wstecznej błędu, która bazuje na znanych z teorii optymalizacji metodach gradientowych. Prognoza wielkości wychyleń od pionu i płaskości została przeprowadzona dla jednej epoki pomiarowej na podstawie dziesięciu pomiarów okresowych wykonanych w kilkuletnich odstępach czasu.
    Źródło:
    Civil and Environmental Engineering Reports; 2012, 9; 73-81
    2080-5187
    2450-8594
    Pojawia się w:
    Civil and Environmental Engineering Reports
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Potencjał rynkowy remontów energooszczędnych w budownictwie mieszkaniowym Zielonej Góry
    Market potential for energy efficient renovations in housing of Zielona Góra
    Autorzy:
    Skiba, M.
    Mrówczyńska, M.
    Bazan-Krzywoszańska, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/402791.pdf
    Data publikacji:
    2016
    Wydawca:
    Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
    Tematy:
    miejska polityka energetyczna
    polityka przestrzenna
    wzrost efektywności energetycznej w budownictwie mieszkaniowym
    sieci neuronowe radialne
    municipal energy policy
    spatial policy
    increase energy efficiency in housing
    neural networks radial
    Opis:
    W artykule przedstawiono analizę potencjalnych oszczędności energii dla remontów energooszczędnych w budownictwie mieszkaniowym w Zielonej Górze. Potencjał został określony na podstawie technologii i roku wykonania budynków, formy zabudowy i przeważającego sposobu zasilania w ciepło i energię elektryczną. Obliczony potencjał został przedstawiony jako wartość koniecznych nakładów dla zmniejszenia zużycia energii o 1 kWh/m2.
    The paper presents an analysis of conditional energy savings for energy-efficient renovation of housing in Zielona Góra. The potential was determined on the basis of technology and a year of the construction of buildings, kind of buildings and dominating way of heat and power supply. The calculated potential was presented as the value of the necessary investments to reduce energy consumption by 1 kWh/m2.
    Źródło:
    Budownictwo i Inżynieria Środowiska; 2016, 7, 2; 111-117
    2081-3279
    Pojawia się w:
    Budownictwo i Inżynieria Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-13 z 13

      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