Informacja

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

Wyszukujesz frazę "data analysis" wg kryterium: Wszystkie pola


Wyświetlanie 1-8 z 8
Tytuł:
Multi-criteria evaluation of coal properties in terms of gasification
Wielokryterialna ocena właściwości węgla w kontekście jego zgazowania
Autorzy:
Marciniak-Kowalska, J.
Niedoba, T.
Surowiak, A.
Tumidajski, T.
Powiązania:
https://bibliotekanauki.pl/articles/218775.pdf
Data publikacji:
2014
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
zgazowanie węgla
podatność na zgazowanie
wielokryterialna analiza danych
macierz korelacji
coal gasification
suitability for gasification
multivariate data analysis
correlation matrix
Opis:
This paper presents a comparative analysis of two types of coal taken from the ZG Janina and ZG Wieczorek coalmines. The aim of this study has been to analyze the suitability of the coal in the context of the gasification process. The types of coal vary considerably in terms of their characteristics. Each of them was subjected to treatment in a ten-ringed annular jig. A particle size of 0-18 mm constituted the feed. The separated coal was divided into five layers, each of them containing material from two additional annular jigs. Analysis of their characteristics was carried out for each of the five layers and for both types of coal obtained, taking into account both their physicochemical properties as well as chemical ones. Each of these characteristics was then presented in three-dimensional surface diagrams, where the ordinate (or Y-axis) and abscissa (X-axis) was the particle size and height in which the material ended up in the jig (expressed as a percentage of the total height of the device). On the basis of observations, it was found that the types of coal have different potential for gasification, although both types are within the limits specified on the basis of previous studies. A correlation analysis between particle size and remaining characteristics of coal was carried out for each of the layers, allowing to determine which of the studied characteristics induced changes significant from the point of view of the coal gasification process. The entire research and observation was supported by conclusions and findings, which shall form the basis for further, in-depth analysis of coal.
Proces zgazowania węgla technologią naziemną jest coraz częściej rozważanym rozwiązaniem na całym świecie. Przyczyną tego stanu jest zarówno kwestia ochrony środowiska, jak i logistyki zagospodarowania produktów przeróbki węgla. Nie inaczej jest również w Polsce, gdzie od kilku lat proces zgazowania jest jednym z głównych tematów badawczych w dziedzinie polskiego górnictwa węglowego. Efektem tego jest szereg badań i doświadczeń, jak również publikacji naukowych. W artykule dokonano analizy porównawczej dwóch typów węgla kamiennego, które pobrane były w Zakładach Górniczych Janina (typ węgla 31.2) oraz Zakładach Górniczych Wieczorek (typ węgla 32). Węgle te znacząco się różnią pod względem charakterystyk. Każdy z nich został poddany rozdziałowi w osadzarce pierścieniowej o 10 pierścieniach. Nadawę stanowił węgiel o uziarnieniu 0-18 mm. Rozdzielony węgiel został podzielony na 5 warstw, z których każda zawierała materiał z dwóch kolejnych pierścieni osadzarki. Dla każdej z otrzymanych w ten sposób pięciu warstw dla obu typów węgli dokonano następnie analizy ich charakterystyk, biorąc pod uwagę zarówno cechy fizykochemiczne, jak i czysto chemiczne. Do tych pierwszych zaliczono takie parametry, jak zawartość węgla pierwiastkowego, zawartość popiołu oraz ciepło spalania, do drugich zaś zawartość azotu, zawartość chloru, zawartość siarki oraz zawartość wodoru. Szczegółowe dane dla dwóch skrajnych warstw przedstawiono w tabelach 1-4. Każdą z omawianych cech przedstawiono następnie na trójwymiarowych wykresach powierzchniowych, gdzie osiami rzędnych i odciętych były wielkość ziarna oraz wysokość, na której znalazł się materiał w osadzarce (wyrażona w procentach wysokości urządzenia). Wykresy te (rys. 1-8) stanowiły bazę do analizy porównawczej obu węgli pod kątem ich przydatności do procesu zgazowania naziemnego. Wyraźnie widać, że węgle te mają inny potencjał do zgazowania, choć oba typy mieszczą się w granicach wartości ograniczających (tab. 5), określonych na podstawie wcześniejszych badań. Następnie dokonano jeszcze analizy korelacji pomiędzy wielkością ziarna a pozostałymi charakterystykami badanych węgli dla każdej z warstw. Wyniki zobrazowano w tabeli 6. Przykładowo stwierdzono, że: – wraz ze wzrostem wielkości ziaren w warstwach zmieniają się ich związki z charakterystykami pierwiastkowymi węgli (w kolumnach (warstwach) następuje zmiana znaku współczynnika korelacji oraz miary jego istotności); – zasadnicze różnice występują dla siarki – dla KWK Wieczorek współczynniki te są ujemne, co świadczy o tym, że siarka w tym węglu jest prawdopodobnie siarką organiczną (w warstwach najcięższych poziom siarki maleje). Przeciwnie jest w ZG Janina, gdzie dla najcięższych warstw zawartość siarki nie zmienia się (co może być spowodowane znaczącym udziałem zrostów pirytowych). Chlor w ZG Janina koncentruje się zwłaszcza w klasach najdrobniejszych niezależnie od warstwy. Inaczej układają się współczynniki dla ZG Janina, ich istotność spada a dla warstw najcięższych ilość chloru nieznacznie wzrasta wraz z wielkością ziaren. Stopień uwęglenia w warstwach najlżejszych rośnie wraz ze wzrostem wielkości ziaren dla warstw najcięższych maleje. Można powiedzieć, że w KWK Wieczorek tylko ostatnia warstwa zawiera niewielkie zrosty węgla. Analiza współczynników korelacji dla ciepła spalania i zawartości popiołu prowadzi do analogicznych wniosków (ze względu na naturalne powiązania fizyczne tych właściwości). Współczynniki korelacji pomiędzy wielkością ziarna a zawartościami azotu w obu kopalniach układają się podobnie, przy czym zależności te są bardziej znaczące dla węgli z ZG Janina; dla obu węgli współczynniki są dodatnie dla trzech najlżejszych warstw i ujemne dla warstw najcięższych (azot występuje w większych i cięższych kawałkach węgla). Na podstawie dokonanych analiz można stwierdzić, iż oba węgle są dostatecznie dobre aby można je było poddać procesowi zgazowania, choć więcej cech sprzyjających temu procesowi posiada węgiel z KWK Wieczorek. Dalsze badania w tym aspekcie trwają i będą przedmiotem kolejnych publikacji.
Źródło:
Archives of Mining Sciences; 2014, 59, 3; 677-690
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparison of selected methods of multi-parameter data visualization used for classification of coals
Autorzy:
Jamroz, D.
Niedoba, T.
Powiązania:
https://bibliotekanauki.pl/articles/110329.pdf
Data publikacji:
2015
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
multidimensional visualization
observational tunnels method
multidimensional scaling
MDS
principal component analysis
PCA
relevance maps
autoassociative neural networks
Kohonen maps
parallel coordinates method
grained material
coal
Opis:
Methods of multi-parameter data visualization through the transformation of multidimensional space into two-dimensional one allow to present multidimensional data on computer screen, thus making it possible to conduct a qualitative analysis of this data in the most natural way for human – by a sense of sight. In the paper a comparison was made to show the efficiency of selected seven methods of multidimensional visualization and further, to analyze data describing various coal type samples. Each of the methods was verified by checking how precisely a coal type can be classified when a given method is applied. For this purpose, a special criterion was designed to allow an evaluation of the results obtained by means of each of these methods. Detailed information included presentation of methods, elaborated algorithms, accepted parameters for best results as well the results. The framework for the comparison of the analyzed multi-parameter visualization methods includes: observational tunnels method multidimensional scaling MDS, principal component analysis PCA, relevance maps, autoassociative neural networks, Kohonen maps and parallel coordinates method.
Źródło:
Physicochemical Problems of Mineral Processing; 2015, 51, 2; 769-784
1643-1049
2084-4735
Pojawia się w:
Physicochemical Problems of Mineral Processing
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Multi-parameter data visualization by means of principal component analysis (PCA) in qualitative evaluation of various coal types
Autorzy:
Niedoba, T.
Powiązania:
https://bibliotekanauki.pl/articles/109595.pdf
Data publikacji:
2014
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
principal component analysis
PCA
multi-parameter data visualization
coal
identification of data
covariance matrix
pattern recognition
Opis:
Multi-parameter data visualization methods are a modern tool allowing to classify some analyzed objects. When it comes to grained materials, e.g. coal, many characteristics have an influence on the material quality. Besides the most obvious features like particle size, particle density or ash contents, coal has many other qualities which show significant differences between the studied types of material. The paper presents the possibility of applying visualization techniques for coal type identification and determination of significant differences between various types of coal. The Principal Component Analysis was applied to achieve this purpose. Three types of coal 31, 34.2 and 35 (according to Polish classification of coal types) were investigated, which were initially screened on sieves and subsequently divided into density fractions. Next, each size-density fraction was analyzed chemically to obtain other characteristics. It was pointed out that the applied methodology allowed to identify certain coal types efficiently, which makes it useful as a qualitative criterion for grained materials. However, it was impossible to provide such identification based on contrastive comparisons of all three types of coal. The presented methodology is a new way of analyzing data concerning widely understood mineral processing.
Źródło:
Physicochemical Problems of Mineral Processing; 2014, 50, 2; 575-589
1643-1049
2084-4735
Pojawia się w:
Physicochemical Problems of Mineral Processing
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Accuracy of separation parameters resulting from errors of chemical analysis, experimental results and data approximation
Autorzy:
Foszcz, D.
Duchnowska, M.
Niedoba, T.
Tumidajski, T.
Powiązania:
https://bibliotekanauki.pl/articles/109371.pdf
Data publikacji:
2016
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
upgrading curve
approximation
copper ore
flotation
selectivity
Opis:
Accuracy of determination of different separation parameters and selectivity indicators depends on the error of chemical analysis of feed and separation products as well as experimental and approximation errors. In this paper different selectivity parameters were considered which formulae was based on the content of useful component in the feed, concentrate and tailing. It was shown that the impact of chemical analysis on the selectivity parameters was small and the error determined by means of partial derivative approach for a copper ore upgraded by flotation was negligible. Also experimental errors were found to be insignificant. The largest errors occurred for approximation of the upgrading data with inadequately selected selectivity indicators.
Źródło:
Physicochemical Problems of Mineral Processing; 2016, 52, 1; 98-111
1643-1049
2084-4735
Pojawia się w:
Physicochemical Problems of Mineral Processing
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of multidimensional data visualization by means of self-organizing Kohonen maps to evaluate classification possibilities of various coal types
Zastosowanie wizualizacji wielowymiarowych danych za pomocą sieci Kohonena do oceny możliwości klasyfikacji różnych typów węgla
Autorzy:
Jamróz, D.
Niedoba, T.
Powiązania:
https://bibliotekanauki.pl/articles/220033.pdf
Data publikacji:
2015
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
Kohonen maps
grained material analysis
coal
multidimensional data
multidimensional visualization methods
sieci Kohonena
analiza materiału uziarnionego
dane wielowymiarowe
metody wizualizacji wielowymiarowej
Opis:
Multidimensional data visualization methods are a modern tool allowing to classify some analysed objects. In the case of grained materials e.g. coal, many characteristics have an influence on the material quality. The paper presents the possibility of applying visualization techniques for coal type identification and determination of significant differences between various types of coal. To achieve this purpose, the method of Kohonen maps was applied by means of which three types of coal – 31, 34.2 and 35 (according to Polish classification of coal types) were investigated. It was stated that the applied methodology allows to identify certain coal types efficiently and can be used as a qualitative criterion for grained materials.
Metody wizualizacji wielowymiarowych danych są nowoczesnym narzędziem umożliwiającym klasyfikację analizowanych obiektów, którymi mogą być różnego typu dane opisujące wybrane zjawisko lub materiał. W przypadku materiałów uziarnionych, jakim jest np. węgiel, wiele cech ma wpływ na jakość materiału, tj. np. gęstość, wielkość ziaren, ciepło spalania, zawartość popiołu, zawartość siarki itp. Na potrzeby artykułu przeprowadzono rozdział węgli z trzech wybranych kopalni węgla kamiennego, zlokalizowanych w Górnośląskim Okręgu Przemysłowym. Każda z tych kopalni pracuje na innego typu węglu. W tym przypadku były to węgle o typach 31, 34.2 oraz 35 (według polskiej klasyfikacji typów węgla). Najpierw, materiał został podzielony na klasy ziarnowe a następnie za pomocą rozdziale w cieczy ciężkiej (roztwór chlorku cynku) na frakcje gęstościowe. Dla tak przygotowanego materiału przeprowadzono następnie analizy chemiczne mające na celu określenie takich parametrów, jak zawartość siarki, zawartość popiołu, zawartość części lotnych, ciepło spalania oraz wilgotność analityczną. W ten sposób, dla każdej klaso-frakcji uzyskano bogate charakterystyki badanego materiału. Nasuwa się więc pytanie, czy możliwa jest identyfikacja typu węgla za pomocą dostępnych danych. W tym celu zastosowano wielowymiarową technikę wizualizacji statystycznej. Istnieje wiele metod takiej wizualizacji, z których kilka było już przedmiotem wcześniejszych publikacji autorów. W tym wypadku autorzy zdecydowali się zastosować metodę sieci Kohonena. Metoda ta została opisana w rozdziale 2 pracy, gdzie oprócz opisu teoretycznego podano również główne wzory stosowane podczas modelowania tą metodą (wzory (1)-(5)). Do zbadania postawionego problemu wykorzystano optymalną liczbę iteracji i optymalny czas uczenia sieci. Pewnym problemem pojawiającym się przy takiej wizualizacji jest konieczność doboru parametrów, w celu uzyskania widoku, który w sposób czytelny prezentuje poszukiwane przez nas informacje. Należy wspomnieć, że w trakcie prowadzonych eksperymentów uzyskiwano widoki przy użyciu sieci neuronowej o wielkości od 10 × 10 do 100 × 100 neuronów. Widoki były uzyskiwane przy wartości parametru MAX_DISTANCE od 1 do wielkości sieci oraz parametru ITER od 1 do 5000. Eksperymenty były prowadzone dla różnych wzorów określających modyfikację wag. Przedstawione w pracy wyniki stanowią najbardziej czytelne z uzyskanych. Wizualizacja wielowymiarowa przy użyciu sieci Kohonena pozwala stwierdzić, że informacje zawarte w analizowanych siedmiowymiarowych danych są wystarczające do prawidłowej klasyfikacji typów węgla 31, 34.2 oraz 35, przy czym nawet zobrazowanie 3 typów węgla na jednym rysunku pozwala stwierdzić, że neurony reprezentujące próbki węgla danego typu gromadzą się w skupiskach, które można od siebie odseparować. Z tego wynika, że dane zawierają informacje wystarczające do prawidłowej klasyfikacji węgla. Zauważyć jednak warto, że przedstawienie przy pomocy sieci Kohonena, danych reprezentujących różne typy węgla parami, pozwala uzyskać jeszcze bardziej czytelne wyniki. Najlepsze efekty osiągnięto dla sieci o 40 wierszach oraz 40 kolumnach neuronów, co łącznie dało liczbę 1600 neuronów, zaś czytelność wyników rośnie wraz z postępem uczenia sieci neuronowej (wzrostem parametru ITER). Przeprowadzone doświadczenia w pełni potwierdzają, że zastosowana metoda może być z powodzeniem wykorzystana w badaniach jakościowych związanych z różnego typu materiałami uziarnionymi, w tym również węglem. Badania w tym zakresie są kontynuowane.
Źródło:
Archives of Mining Sciences; 2015, 60, 1; 39-50
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Składanie rozkładów wielkości ziaren otrzymanych z różnych metod pomiarowych
The assembling of grain size distribution functions given by various measurement methods
Autorzy:
Peszko, B.
Niedoba, T.
Szymańska-Czaja, M.
Powiązania:
https://bibliotekanauki.pl/articles/349617.pdf
Data publikacji:
2006
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
analiza sitowa
sedymentacja
rozkład wielkości ziaren
konwersja danych
sieve analysis
sedimentation
grain size distribution function
data conversion
Opis:
Metody wyznaczania składów ziarnowych mają ograniczony zakres pomiaru, natomiast w wielu dziedzinach przemysłu często zachodzi konieczność przeprowadzenia analizy ziarnowej materiału o wielkości ziaren niemieszczących się w obszarze stosowalności jednej metody. Przykładowo, analiza składu ziarnowego większości surowców skalnych, a także sztucznie wytwarzanych produktów w rodzaju proszków ściernych wymaga nierzadko przeprowadzenia pomiarów w zakresie wielkości ziaren od części milimetra (analiza sitowa) do kilku mikrometrów (analiza sedymentacyjna), a nawet poniżej tej granicy. Potrzebna jest zatem odpowiednia metoda konwersji jednego typu danych w drugi. W artykule tym zostanie zaprezentowana analiza metody przeliczania wyników z dwóch różnych technik analizy rozmiaru oraz sposób, w jaki mogą być one przetworzone i połączone, aby utworzyć jeden łączny rozkład wielkości, przy użyciu relatywnie prostych technik eksperymentalnych i rachunkowych.
The methods of determination of grain compositions have limited measurement range and in many domains of industry, the necessity of conducting material grain analysis of sizes being outside the working range of certain method. For example, the grain composition analysis of majority of rock materials and also products being manufactured synthetically as abrasive powders needs to be conducted for the grain sizes from millimeter part (sieve analysis) to a few micrometers (sedimentation analysis) or even below this limit. Thus, there is a need for relevant method of one sort of data conversion to second one. This paper presents the analysis of results recalculation from two various methods of size analysis and how can they be transformed and connected to create one associative size distribution function, by means of relatively simple experimental and calculative techniques.
Źródło:
Górnictwo i Geoinżynieria; 2006, 30, 3/1; 279-293
1732-6702
Pojawia się w:
Górnictwo i Geoinżynieria
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The use of the visualisation of multidimensional data using PCA to evaluate possibilities of the division of coal samples space due to their suitability for fluidised gasification
Zastosowanie wizualizacji wielowymiarowych danych za pomocą PCA do oceny możliwości podziału próbek węgla ze względu na ich przydatność do zgazowania
Autorzy:
Jamróz, D.
Niedoba, T.
Surowiak, A.
Tumidajski, T.
Powiązania:
https://bibliotekanauki.pl/articles/219788.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
analiza PCA
wizualizacja wielowymiarowa
zgazowanie węgla
wzbogacanie w osadzarkach
principal component analysis (PCA)
multidimensional visualisation
coal gasification
jigging
Opis:
Methods serving to visualise multidimensional data through the transformation of multidimensional space into two-dimensional space, enable to present the multidimensional data on the computer screen. Thanks to this, qualitative analysis of this data can be performed in the most natural way for humans, through the sense of sight. An example of such a method of multidimensional data visualisation is PCA (principal component analysis) method. This method was used in this work to present and analyse a set of seven-dimensional data (selected seven properties) describing coal samples obtained from Janina and Wieczorek coal mines. Coal from these mines was previously subjected to separation by means of a laboratory ring jig, consisting of ten rings. With 5 layers of both types of coal (with 2 rings each) were obtained in this way. It was decided to check if the method of multidimensional data visualisation enables to divide the space of such divided samples into areas with different suitability for the fluidised gasification process. To that end, the card of technological suitability of coal was used (Sobolewski et al., 2012; 2013), in which key, relevant and additional parameters, having effect on the gasification process, were described. As a result of analyses, it was stated that effective determination of coal samples suitability for the on-surface gasification process in a fluidised reactor is possible. The PCA method enables the visualisation of the optimal subspace containing the set requirements concerning the properties of coals intended for this process.
Proces zgazowania węgla jest jedną z technologii, które zyskują coraz szerszą uwagę wśród technologów zajmujących się jego przeróbką i utylizacją. Ze względu na typ zgazowania wyróżnia się dwa główne sposoby: zgazowanie naziemne i podziemne. Każdy z tych typów można jednak przeprowadzić za pomocą różnych technologii. W przypadku zgazowania naziemnego, jedną z takich technologii jest zgazowanie w reaktorze fluidalnym. Do tego typu zgazowania zostały opracowane wytyczne w ramach projektu NCBiR nr 23.23.100.8498/R34 pt. „Opracowanie technologii zgazowania węgla dla wysokoefektywnej produkcji paliw i energii” w ramach strategicznego programu badań naukowych i prac rozwojowych pt. „Zaawansowane technologie pozyskiwania energii” (Marciniak-Kowalska, 2011-12; Sobolewski et al., 2012; 2013; Strugała et al., 2011; 2012). Autorzy wybrali główne z tych wytycznych, dotyczących zalecanych poziomów określonych cech węgla. W celu zbadania węgla pod kątem ich przydatności do zgazowania pobrano próbki dwóch węgli: pochodzących z Zakładu Górniczego Janina oraz z Kopalni Węgla Kamiennego Wieczorek. Każdy z tych węgli został poddany procesowi wzbogacania w laboratoryjnej osadzarce pierścieniowej (10 pierścieni, węgiel w klasach wydzielonych z przedziału 0-18 mm). Po zakończeniu procesu rozdziału materiał podzielono na 5 warstw (po 2 pierścienie) i każdy z nich rozsiano na sitach na 10 klas ziarnowych, ustalając wychody warstw i klas. Następnie, tak otrzymane produkty – klasy ziarnowe, po wydzieleniu analitycznych próbek, poddano chemicznej analizie elementarnej i technicznej węgla, w celu scharakteryzowania właściwości wpływających na procesy zgazowania. Łącznie z obu kopalń uzyskano 99 próbek (50 z kopalni Janina oraz 49 z kopalni Wieczorek – w jednej z warstw nie uzyskano klasy 16-18 mm) charakteryzowanych przez następujące parametry: zawartość siarki całkowitej, zawartość wodoru, zawartość azotu, zawartość chloru, zawartość węgla całkowitego, ciepło spalania oraz zawartość popiołu. Przykładowe dane dla jednej z otrzymanych warstw przedstawiono w tabeli 1. Dodatkowo wykorzystano kartę przydatności technologicznej węgla (Sobolewski et al., 2012; 2013), w której opisano parametry kluczowe, istotne oraz dodatkowe, mające wpływ na proces zgazowania. Na jej podstawie oznaczono próbki węgla, które w sposób efektywny poddają się procesowi zgazowania. W celu wizualizacji danych zastosowano jedną z nowoczesnych metod wielowymiarowej statystycznej analizy czynnikowej – metodę PCA (ang. Principal Component Analysis). W metodzie tej dokonuje się rzutu prostopadłego wielowymiarowych danych na płaszczyznę reprezentowaną przez specjalnie wybrane wektory V1,V2. Są to wektory własne, odpowiadające dwóm największym (co do modułu) wartościom własnym macierzy kowariancji zbioru obserwacji. Opisany dobór wektorów V1,V2 pozwala uzyskać obraz na płaszczyźnie prezentujący najwięcej zmienności danych. Algorytm i zasady tej metody zostały szczegółowo zaprezentowane w podrozdziale 3 artykułu. Za pomocą metody PCA dokonano trzech typów analiz. Pierwszy obraz miał na celu rozpoznanie, czy możliwa jest identyfikacja pochodzenia węgla, czyli rozdział węgla pochodzącego z ZG Janina od węgla z KWK Wieczorek. Odpowiedź była twierdząca. Na tak przygotowane dane narzucono następnie warunki wynikające z nałożenia wymogów określonych w karcie przydatności technologicznej węgla. Okazało się, że przy wzięciu pod uwagę wszystkich warunków jedynie 17 próbek z ZG Janina i zaledwie jedna z KWK Wieczorek spełnia wszystkie kryteria, co przedstawiono na rysunku 2. Stwierdzono, że dzieje się tak głównie z powodu zawartości chloru, która wykracza poza nałożone limity. Cecha ta nie wpływa jednak w kluczowy sposób na sam proces zgazowania a istotna jest ze względu na aspekt ochrony środowiska. Dlatego dokonano podobnej analizy, ale przy odrzuceniu warunku dotyczącego tej cechy. Po odrzuceniu wymogów dotyczących zawartości chloru okazało się, że 37 próbek z ZG Janina oraz 41 próbek z KWK Wieczorek spełnia pozostałe zalecenia odnośnie naziemnego zgazowania w reaktorze fluidalnym. Jest to potwierdzenie wcześniejszych obserwacji autorów w tym zakresie. W obu przypadkach wizualizacja wielowymiarowa przy użyciu PCA pozwoliła stwierdzić, że obrazy punktów reprezentujących próbki węgla bardziej podatnego na zgazowanie oraz mniej przydatnego do zgazowania zajmują osobne podobszary przestrzeni oraz gromadzą się w skupiskach, które można łatwo od siebie odseparować. Stwierdzono więc, że metoda PCA pozwala podzielić przestrzeń próbek na obszary o różnej przydatności do procesu zgazowania fluidalnego zarówno gdy przyjęto ograniczenie dotyczące zawartości chloru jak i przy jego pominięciu. Zastosowanie metody PCA w celu identyfikacji przydatności próbek węgla do zgazowania jest nowatorskie i nie było wcześniej stosowane. Istnieje możliwość zastosowania również innych metod w tym zakresie. Należy jednak podkreślić, że niewątpliwą zaletą metody PCA jest fakt, że w trakcie wizualizacji nie ma konieczności doboru żadnych parametrów w przeciwieństwie do wielu innych metod wizualizacji wielowymiarowych danych.
Źródło:
Archives of Mining Sciences; 2016, 61, 3; 523-535
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Visualization of multidimensional data in purpose of qualitative classification of various types of coal
Wizualizacja wielowymiarowych danych w celu klasyfikacji jakościowej różnych typów węgla
Autorzy:
Niedoba, T.
Jamróz, D.
Powiązania:
https://bibliotekanauki.pl/articles/218760.pdf
Data publikacji:
2013
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
analiza wielowymiarowa
tunele obserwacyjne
osie równoległe
węgiel
przeróbka surowców mineralnych
energia z węgla
multidimensional analysis
observational tunnels
parallel coordinates
coal
mineral processing
coal energy
Opis:
Coal as energetic raw material features by many parameters determining its quality. In classification of coal types there are many of them with typical division of energetic, semi-coking and coking coal. The data concerning coal are usually treated as independent values while this kind of approach is not always right. Authors proposed new solutions in this aspect and performed the multidimensional analysis of three selected types of coal featuring by various properties which originated from three various hard coal mines located in Upper Silesia Region. The object of the research was so-called raw coal which was not processed before. For each type of coal the detailed statistical analysis of seven chosen properties of coal was performed. To perform adequate and complete statistical analysis it is necessary to analyze the chosen properties of coal together in multidimensional way. It was decided to apply new and modern visualizing methods of multidimensional data which were observational tunnels method and parallel coordinates method. The applied methods allowed to obtain visualization of seven-dimensional data describing coal. By means of these visualizations it was possible to observe the significant division of the features space between researched types of coal. These methods allowed to look at the investigated data from various perspectives and make possible to determine significant differences between researched materials. For the investigated coals such differences were determined clearly what proved that by means of these methods it is possible to successfully identify type of coal as well to analyze in details its individual properties and identify, for example, particle size fraction etc. The obtained results are innovative and are the basis for more detailed researches taking into consideration also other coal properties, including its structure and texture. This methodology can be also applied successfully for other types of raw materials, like ores.
Surowce mineralne, które podlegają wzbogacaniu w celu ich lepszego wykorzystania mogą być (charakteryzują się) charakteryzowane wieloma wskaźnikami opisującymi ich, interesujące przeróbkarza, cechy. Podstawowymi cechami są wielkość ziaren oraz ich gęstość, które decydują o przebiegu rozdziału zbiorów ziaren (nadaw) i efektach takiego rozdziału. Rozdział prowadzi się z reguły, w celu uzyskania produktów o zróżnicowanych wartościach średnich wybranej cechy, która zwykle charakteryzowana jest zawartością określonego składnika surowca wyznaczoną na drodze analiz chemicznych. Takie podejście do surowca mineralnego prowadzi do potraktowania go jako wielowymiarowego wektora X = [X1, …, Xn]. Zasadniczym problemem jest także wybór jednostki populacji generalnej (ziarno, jednostka objętości lub masy), co może decydować o kierunkach charakteryzowania wielowymiarowych powiązań cech wektora X. Takimi kierunkami charakteryzowania mogą być: - wielowymiarowe rozkłady wektora losowego X wraz ze wszystkimi konsekwencjami metody (Lyman, 1993; Niedoba, 2009; 2011; Olejnik et al., 2010; Niedoba & Surowiak, 2012); - wielowymiarowe równania regresji wraz z analizą macierzy współczynników korelacji liniowej oraz korelacji cząstkowej (Niedoba, 2013); - analiza czynnikowa (Tumidajski & Saramak, 2009); - inne metody, w tym wizualizacja metodą tuneli obserwacyjnych (Jamróz, 2001), osi równoległych oraz wizualizacja zależności pomiędzy wielowymiarowymi bryłami (Jamróz, 2009). Wielowymiarowe rozkłady wektora X traktowanego jako wektor losowy, mają już swoją bogatą literaturę i praktyczne ich zastosowanie i nie będą przedmiotem tej publikacji. Pozostałe metody są ze sobą w pewien sposób powiązane, co skrótowo zostało przedstawione w artykule. Macierze współczynników korelacji liniowej i współczynników korelacji cząstkowej są związane, z reguły, z istniejącymi modelami liniowymi zależności występujących między badanymi zmiennymi wektora X. Współczynniki korelacji liniowej są wyznaczane dla par zmiennych losowych całkowicie niezależnie od pozostałych zmiennych. Cząstkowe współczynniki korelacji liniowej wyznaczane są w oparciu o macierz współczynniki korelacji liniowej z uwzględnieniem roli pozostałych zmiennych w rozważanym równaniu regresji liniowej. W przypadku analizy trzech zmiennych losowych, z których jedna jest traktowana jako zmienna zależna a dwie pozostałe jako niezależne sprowadza się to do wyznaczania współczynników korelacji dla zrzutowanych punktów równolegle do płaszczyzny regresji na ściany układu współrzędnych. Pozwala to wyznaczyć hierarchię (siłę wpływu) zależności zmiennych w rozpatrywanym układzie. Na analizie macierzy współczynników korelacji liniowej oparta jest analiza czynnikowa, która pozwala pogrupować występujące zmienne w tzw. czynniki, które reprezentują połączone wpływy zmiennych na rezultaty rozpatrywanych procesów, czyli przeprowadzić pewną klasyfikację zmiennych. W klasyfikacji typów węgli wyróżnia się wiele typów, z umownym podziałem na węgle energetyczne i koksujące. Dane dotyczące węgla są traktowane zwykle jako niezależne wielkości, przy czym takie podejście nie zawsze jest właściwe. Autorzy zaproponowali nowe rozwiązania w tym zakresie i dokonali wielowymiarowej analizy trzech wybranych typów węgla o różnych właściwościach (węgle typu 31, 34.2 oraz 35), które pochodziły z trzech różnych kopalń zlokalizowanych w Górnośląskim Okręgu Przemysłowym. Obiektem badań w każdej z tych kopalń był tzw. węgiel surowy, nie poddawany procesom przeróbczym. Dla każdego z węgli dokonano szczegółowej analizy wybranych siedmiu cech, opisujących jego właściwości, których przykładowe wyniki zostały zaprezentowane w tabelach 1-3. Aby dokonać adekwatnej i dokładnej analizy statystycznej zebranych danych konieczna jest wielowymiarowa analiza wybranych cech węgla łącznie. Zdecydowano się na zastosowanie nowatorskich metod wizualizacji wielowymiarowych danych, którymi były metoda tuneli obserwacyjnych oraz metoda osi równoległych. Zasady i metodyka badań zostały przedstawione w podrozdziałach 2 i 3. Zastosowane metody umożliwiły uzyskanie wizualizacji siedmiowymiarowych danych opisujących węgiel. Za pomocą tych wizualizacji możliwe jest zaobserwowanie wyraźnego podziału przestrzeni cech pomiędzy badanymi typami węgla. Metody te umożliwiły spojrzenie na badane dane z różnych perspektyw, które pozwalają na stwierdzenie zasadniczych różnic badanych materiałów. Dla badanych węgli stwierdzono wyraźne takie różnice co świadczy o tym, że za pomocą proponowanych metod możliwa jest skuteczna identyfikacja typu węgla, jak również dokładniejsza analiza jego poszczególnych cech i identyfikacja np. klasy ziarnowej. Szczegółowe obrazy i ich interpretacja zostały przedstawione w rozdziale 3 i we wnioskach końcowych. Rysunki 3-5 obrazują różnice pomiędzy poszczególnymi typami węgla otrzymane metodą tuneli obserwacyjnych. Wyraźnie można rozgraniczyć próbki dotyczące poszczególnych węgli a tym samym możliwa jest identyfikacja typu węgla na podstawie wielowymiarowej analizy. Rysunki 6-7 pokazują zastosowanie innej metody wielowymiarowej, którą była metoda osi równoległych. Metoda ta okazała się być skuteczna do uzyskania informacji o konieczności przeskalowania poszczególnych cech, w celu uzyskania bardziejczytelnych rezultatów. Natomiast rysunek 10 pokazuje różnice otrzymane metodą tuneli obserwacyjnych pomiędzy charakterystykami konkretnych klas ziarnowych wybranego materiału, którym w tym przypadku był węgiel typu 31. Uzyskane wyniki i zastosowana metodyka są nowatorskie i stanowią bazę pod bardziej szczegółowe badania, biorące pod uwagę także inne charakterystyki węgli, w tym ich strukturę i teksturę. Za pomocą przedstawionych metod możliwe jest stwierdzenie, czy wybrane cechy są wystarczające do identyfikacji zarówno typu węgla, jak również klasy ziarnowej i innych jego cech. Metodyka ta może być również stosowana z powodzeniem dla innych typów surowców mineralnych, np. dla rud.
Źródło:
Archives of Mining Sciences; 2013, 58, 4; 1317-1331
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-8 z 8

    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