Informacja

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

Wyszukujesz frazę "Lenart, Ł." wg kryterium: Autor


Wyświetlanie 1-2 z 2
Tytuł:
Zmiany stężenia dwutlenku siarki w powietrzu atmosferycznym w zależności od temperatury
Temperature-related changes in ambient air sulfur dioxide concentrations
Autorzy:
Rogalski, L.
Lenart, L.
Powiązania:
https://bibliotekanauki.pl/articles/401607.pdf
Data publikacji:
2011
Wydawca:
Polskie Towarzystwo Inżynierii Ekologicznej
Tematy:
dwutlenek siarki
stężenie
temperatura
powietrze
sulfur dioxide
concentrations
temperature
air
Opis:
W pracy podjęto problem wykazania zmienności stężenia dwutlenku siarki w zależności od temperatury powietrza występujące w latach 2007-2009. Wyniki analizowano w uśrednieniach rocznych, sezonowych i pór roku. W opracowaniu uwzględniono wyniki z pomiarów ciągłych ze Stacji monitoringu imisji zanieczyszczenia powietrza. Analizowane dane dokumentowano równaniami regresji i zachodzącymi związkami korelacyjnymi. Średnie z lat badań stężenie SO2 w powietrzu wyniosło 2,13 ?g ź m-3 (dopuszczalna norma 20,0). W sezonie grzewczym było o 1,42 ?g ź m-3 większe niż w letnim. Istotna ujemna zależność korelacyjna wystąpiła z średnich z miesiąca lutego z siłą związku Rs = - 0,46 co oznacza, że wraz ze spadkiem temperatury wzrastało stężenie SO2. Istotne związki korelacyjne wystąpiły również w miesiącach: kwietniu Rs = 0,43 i czerwcu Rs = 0,39.
The paper discusses temperature-related changes in ambient air sulfur dioxide concentrations in 2007 - 2009. Mean annual and seasonal values were analyzed in the study. Continuous records were taken at the Ambient Air Pollutant Concentration Monitoring Station. Based on the datasets, regression equations were developed and correlation coefficients were calculated. Annual mean sulfur dioxide concentrations reached 2.13 ?g ź m-3 (maximum permissible level - 20.0), and they were by 1.42 ?g ź m-3 higher in the heating season than in the summer. A significant negative correlation (Rs = - 0.46) was observed for the mean values reported for February, indicating that sulfur dioxide concentrations increased with a temperature drop. Significant correlations were also noted in April (Rs = 0.43) and June (Rs = 0.39).
Źródło:
Inżynieria Ekologiczna; 2011, 27; 177-183
2081-139X
2392-0629
Pojawia się w:
Inżynieria Ekologiczna
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 1-2 z 2

    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