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 "dynamic error correction" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Correction of the dynamic errors of a gas sensor based on the dynamic model with averaged parameters
    Autorzy:
    Urzędniczok, H.
    Powiązania:
    https://bibliotekanauki.pl/articles/114136.pdf
    Data publikacji:
    2016
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    gas sensor
    response time
    dynamic properties
    dynamic error correction
    Opis:
    The paper presents a numerical method of dynamic error correction applied to a measuring transducer of gas concentration with a typical sensor based on tin dioxide. The work describes research of the dynamic properties of the transducer. Its response time is approximately 8 to 10 minutes, which may be not acceptable in many applications. A parametric model of the transducer dynamics has been developed and an adequate correction algorithm is proposed. The obtained results of the dynamic correction based on the proposed method are compared with those achieved previously by applying a neural network algorithm. Despite the simplicity of the used model, the proposed method allows a significant decrease in the transducer response time.
    Źródło:
    Measurement Automation Monitoring; 2016, 62, 7; 214-217
    2450-2855
    Pojawia się w:
    Measurement Automation Monitoring
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Dynamic Error Correction of Methane Sensor
    Autorzy:
    Krupanek, B.
    Bogacz, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/227009.pdf
    Data publikacji:
    2014
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    dynamic error correction
    methane sensor
    pellistor sensor
    safety in mine
    Opis:
    Coal mine methane is a term given to the methane gas produced or emitted in association with coal mining activities either from the coal seam itself or from other gassy formations underground. The primary reason for measuring methane is to improve the safety of the mines. In recent years, there have been many fatalities in underground coal mine explosions in which methane was a contributing factor. The rapid detection of methane is very important from the point of view of safety of mine workers. This paper presents a concept of fast methane detection by reconstituting its concentration in dynamic states.
    Źródło:
    International Journal of Electronics and Telecommunications; 2014, 60, 4; 287-289
    2300-1933
    Pojawia się w:
    International Journal of Electronics and Telecommunications
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An improved GM(1.1) model with background value optimization and Fourier-series residual error correction and its application in cost forecasting of coal mine
    Ulepszony model GM(1,1) z optymalizacją wartości tła i korekcją błędów resztkowych szeregów Fouriera oraz jego zastosowanie w prognozowaniu kosztów kopalni węgla kamiennego
    Autorzy:
    Liu, Di
    Li, Guoqing
    Chanda, Emmanuel K.
    Hu, Nailian
    Ma, Zhaoyang
    Powiązania:
    https://bibliotekanauki.pl/articles/216495.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    cost forecasting
    dynamic grey model
    background value optimization
    Fourier series
    residual error correction
    prognozowanie kosztów
    dynamiczny model szary
    optymalizacja wartości tła
    korekcja błędów resztkowych
    szeregi Fouriera
    Opis:
    This paper researches the application of grey system theory in cost forecasting of the coal mine. The grey model (GM(1.1)) is widely used in forecasting in business and industrial systems with advantages of minimal data, a short time and little fluctuation. Also, the model fits exponentially with increasing data more precisely than other prediction techniques. However, the traditional GM(1.1) model suffers from the poor anti-interference ability. Aimed at the flaws of the conventional GM(1.1) model, this paper proposes a novel dynamic forecasting model with the theory of background value optimization and Fourier-series residual error correction based on the traditional GM(1.1) model. The new model applies the golden segmentation optimization method to optimize the background value and Fourier-series theory to extract periodic information in the grey forecasting model for correcting the residual error. In the proposed dynamic model, the newest data is gradually added while the oldest is removed from the original data sequence. To test the new model’s forecasting performance, it was applied to the prediction of unit costs in coal mining, and the results show that the prediction accuracy is improved compared with other grey forecasting models. The new model gives a MAPE & C value of 0.14% and 0.02, respectively, compared to 1.75% and 0.37 respectively for the traditional GM(1.1) model. Thus, the new GM(1.1) model proposed in this paper, with advantages of practical application and high accuracy, provides a new method for cost forecasting in coal mining, and then help decision makers to make more scientific decisions for the mining operation.
    W pracy zbadano zastosowanie teorii szarego systemu w prognozowaniu kosztów kopalni węgla. Szary model (GM(1,1)) jest szeroko wykorzystywany w prognozowaniu w systemach biznesowych i przemysłowych z niewielką ilością danych, krótkim czasem i nieznacznymi wahaniami. Ponadto model dopasowuje wykładniczo dane bardziej dokładnie niż inne techniki prognozowania. Jednak tradycyjny model GM(1,1) ma słabą zdolność przeciwdziałania zakłóceniom. Mając na uwadze wady konwencjonalnego modelu GM(1,1), w artykule zaproponowano – w oparciu o tradycyjny model GM(1,1) – nowy model dynamicznego prognozowania z teorią optymalizacji wartości tła i korektą błędów resztkowych szeregów Fouriera. Nowy model stosuje metodę optymalizacji złotej segmentacji do optymalizacji wartości tła oraz teorię szeregów Fouriera w celu wyodrębnienia okresowych informacji w szarym modelu prognozowania, aby skorygować błąd resztkowy. W proponowanym modelu dynamicznym najnowsze dane są stopniowo dodawane, podczas gdy najstarsze – usuwane z oryginalnej sekwencji danych. Aby przetestować dokładność prognozowania nowego modelu, zastosowano go do prognozowania kosztów jednostkowych pozyskania węgla, a wyniki pokazują, że dokładność prognozowania jest lepsza w porównaniu z innymi szarymi modelami prognozowania. Nowy model daje wartości MAPE & C wynoszące odpowiednio 0,33% i 0,07, w porównaniu z odpowiednio 1,1% i 0,3 dla tradycyjnego modelu GM(1,1). Zatem zaproponowany w artykule, ulepszony model GM(1,1) z zaletami praktycznego zastosowania i wysoką dokładnością, jest nową metodą prognozowania kosztów w górnictwie węgla, która ułatwia decydentom podejmowanie decyzji ugruntowanych naukowo dotyczących operacji pozyskania węgla.
    Źródło:
    Gospodarka Surowcami Mineralnymi; 2019, 35, 3; 75-98
    0860-0953
    Pojawia się w:
    Gospodarka Surowcami Mineralnymi
    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