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 "artificial gas" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-15 z 15
    Tytuł:
    Physico-chemical characteristics of fuel gas mixtures
    Charakterystyka fizykochemiczna mieszanek gazów paliwowych
    Autorzy:
    Pavlenko, Anatoliy
    Slowak, Anna Maria
    Powiązania:
    https://bibliotekanauki.pl/articles/402551.pdf
    Data publikacji:
    2019
    Wydawca:
    Politechnika Świętokrzyska w Kielcach. Wydawnictwo PŚw
    Tematy:
    properties of combustible gas mixtures
    pyrolysis gas
    artificial gas
    combustion of gas
    mixture
    generator gas
    właściwości palnych mieszanek gazów
    gaz pirolityczny
    gaz sztuczny
    spalanie mieszaniny gazów
    gaz generatorowy
    Opis:
    The article presents data on changes in physical and chemical properties of mixtures of generator gases with natural gas and the issue of the optimal ratio of these gases in the mixture. The results of research on the basic properties of flammable mixture of generator gases and natural gas are presented, on the basis of which the optimal composition of the mixture was proposed.
    W artykule przedstawiono dane dotyczące zmian właściwości fizycznych i chemicznych mieszanin gazów generatorowych z gazem ziemnym oraz zagadnienie optymalnego stosunku tych gazów w mieszaninie. Przedstawiono wyniki badań podstawowych właściwości palnych mieszaniny gazów generatorowych i gazu ziemnego, na podstawie których zaproponowano optymalny skład mieszaniny.
    Źródło:
    Structure and Environment; 2019, 11, 3; 227-234
    2081-1500
    Pojawia się w:
    Structure and Environment
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Correction of gas sensor dynamic errors by means of neural networks
    Autorzy:
    Roj, J.
    Urzędniczok, H.
    Powiązania:
    https://bibliotekanauki.pl/articles/114150.pdf
    Data publikacji:
    2015
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    gas sensors
    artificial neural networks
    dynamic correction
    Opis:
    The paper presents a method based on artificial neural network (ANN) technique applied for correction of dynamic error of gas concentration measuring transducer. Its response time is about 8 minutes. The results obtained in the research of this transducer were used for learning and testing ANN, which were implemented in the dynamic correction task. The described method allowed for significant reduction of the transducer’s response time – the output signal was practically fixed after a time equal to one sampling period of output signal provided that the stimulus is a step function. In addition, the use of ANN allows reducing the impact of the transducer dynamic non-linearity on the correction effectiveness.
    Źródło:
    Measurement Automation Monitoring; 2015, 61, 12; 538-541
    2450-2855
    Pojawia się w:
    Measurement Automation Monitoring
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Identification of radon anomalies in soil gas using decision trees and neural networks
    Autorzy:
    Zmazek, B.
    Džeroski, S.
    Torkar, D.
    Vaupotič, J.
    Kobal, I.
    Powiązania:
    https://bibliotekanauki.pl/articles/148699.pdf
    Data publikacji:
    2010
    Wydawca:
    Instytut Chemii i Techniki Jądrowej
    Tematy:
    radon
    soil gas
    anomalies
    decision trees
    artificial neural network
    earthquakes
    Opis:
    The time series of radon (222Rn) concentration in soil gas at a fault, together with the environmental parameters, have been analysed applying two machine learning techniques: (i) decision trees and (ii) neural networks, with the aim at identifying radon anomalies caused by seismic events and not simply ascribed to the effect of the environmental parameters. By applying neural networks, 10 radon anomalies were observed for 12 earthquakes, while with decision trees, the anomaly was found for every earthquake, but, undesirably, some anomalies appeared also during periods without earthquakes.
    Źródło:
    Nukleonika; 2010, 55, 4; 501-505
    0029-5922
    1508-5791
    Pojawia się w:
    Nukleonika
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Monitoring the gas turbine start-up phase on a platform using a hierarchical model based on multi-layer perceptron networks
    Autorzy:
    Niksa-Rynkiewicz, Tacjana
    Witkowska, Anna
    Głuch, Jerzy
    Adamowicz, Marcin
    Powiązania:
    https://bibliotekanauki.pl/articles/32898208.pdf
    Data publikacji:
    2022
    Wydawca:
    Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
    Tematy:
    industrial gas turbine
    start-up monitoring
    artificial neural network
    hierarchical system
    Opis:
    Very often, the operation of diagnostic systems is related to the evaluation of process functionality, where the diagnostics is carried out using reference models prepared on the basis of the process description in the nominal state. The main goal of the work is to develop a hierarchical gas turbine reference model for the estimation of start-up parameters based on multi-layer perceptron neural networks. A functional decomposition of the gas turbine start-up process was proposed, enabling a modular analysis of selected parameters of the process. Real data sets obtained from observations of the turbo-generator set located on a North Sea platform were used.
    Źródło:
    Polish Maritime Research; 2022, 4; 123-131
    1233-2585
    Pojawia się w:
    Polish Maritime Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Technical state assessment of charge exchange system of self-ignition engine, based on the exhaust gas composition testing
    Autorzy:
    Rudnicki, J.
    Zadrąg, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/258598.pdf
    Data publikacji:
    2017
    Wydawca:
    Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
    Tematy:
    diagnostic model
    self-ignition engine
    exhaust gas components
    artificial neural networks
    Opis:
    This paper presents possible use of results of exhaust gas composition testing of self - ignition engine for technical state assessment of its charge exchange system under assumption that there is strong correlation between considered structure parameters and output signals in the form of concentration of toxic compounds (ZT) as well as unambiguous character of their changes. Concentration of the analyzed ZT may be hence considered to be symptoms of engine technical state. At given values of the signals and their estimates it is also possible to determine values of residues which may indicate a type of failure. Available tool programs aimed at analysis of experimental data commonly make use of multiple regression model which allows to investigate effects and interaction between model input quantities and one output variable. Application of multi-equation models provides great freedom during analysis of measurement data as it makes it possible to simultaneously analyze effects and interaction of many output variables. It may be also implemented as a tool for preparation of experimental material for other advanced diagnostic tools such as neural networks which , in contrast to multi-equation models, make it possible to recognize a state at multistate classification and - in consequence – to do diagnostic inference. Here , these authors present merits of application of the above mentioned analytical tools on the example of tests conducted on an experimental engine test stand.
    Źródło:
    Polish Maritime Research; 2017, S 1; 203-212
    1233-2585
    Pojawia się w:
    Polish Maritime Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prognozowanie zapotrzebowania na gaz metodami sztucznej inteligencji
    Forecasting gas demand using artificial intelligence methods
    Autorzy:
    Paliński, Andrzej
    Powiązania:
    https://bibliotekanauki.pl/articles/1834986.pdf
    Data publikacji:
    2019
    Wydawca:
    Instytut Nafty i Gazu - Państwowy Instytut Badawczy
    Tematy:
    prognozowanie
    sztuczna inteligencja
    zapotrzebowanie
    gaz ziemny
    forecasting
    artificial intelligence
    demand
    natural gas
    Opis:
    W artykule zaprezentowano współczesne tendencje dotyczące metod sztucznej inteligencji i uczenia maszynowego, do których zalicza się między innymi sztuczne sieci neuronowe, drzewa decyzyjne, systemy oparte na logice rozmytej i inne. Metody inteligencji obliczeniowej stanowią część obszaru badań nad sztuczną inteligencją. Wybrane metody inteligencji obliczeniowej zostały wykorzystane do budowy średnioterminowych miesięcznych prognoz zapotrzebowania na gaz dla Polski. Porównana została trafność prognoz uzyskanych za pomocą sztucznej sieci neuronowej i drzewa decyzyjnego z klasyczną regresją liniową z wykorzystaniem danych historycznych z okresu dziesięciu lat. Jako zmienne objaśniające zastosowano: zużycie gazu w innych krajach UE, średnią miesięczną temperaturę, produkcję prze- mysłową, wynagrodzenie w gospodarce i cenę gazu. Prognozowanie przeprowadzono w pięciu etapach różniących się doborem próby uczącej i testowej, zastosowaniem wstępnego przygotowania danych oraz eliminacją niektórych zmiennych. W przypadku danych nieprzygotowanych i losowego zbioru uczącego najwyższą trafność osiągnęła regresja liniowa. W przypadku danych uzupełnionych i losowego zbioru uczącego najwyższą trafność uzyskano za pomocą drzewa decyzyjnego. Prognoza zbudowana na podstawie pierwszych ośmiu lat i testowana na dwóch ostatnich została najtrafniej utworzona za pomocą regresji, ale tylko nieznacznie lepiej niż przy wykorzystaniu drzewa decyzyjnego lub sieci neuronowej, niezależnie od normalizacji danych i eliminacji współliniowych zmiennych. Metody uczenia maszynowego wykazały się dobrą trafnością prognoz miesięcznego zużycia gazu, niemniej jednak nieznacznie ustąpiły klasycznej regresji liniowej ze względu na zbyt wąski zbiór zmiennych objaśniających. Metody uczenia maszynowego będą mogły wykazać się wyższą skutecznością wraz ze wzrostem liczby danych oraz rozszerzeniem zbioru potencjalnych zmiennych objaśniających. W morzu danych metody uczenia maszynowego są w stanie skuteczniej tworzyć modele prognostyczne bez konieczności żmudnej ingerencji analityka w przygotowanie danych i wieloetapową analizę. Pozwolą także na dowolnie częstą aktualizację postaci modeli prognostycznych, nawet po każdym uzupełnieniu zbioru danych.
    The paper presents contemporary trends in artificial intelligence and machine learning methods, which include, among others, artificial neural networks, decision trees, fuzzy logic systems and others. Computational intelligence methods are part of the field of research on artificial intelligence. Selected methods of computational intelligence were used to build medium-term monthly forecasts of natural gas demand for Poland. The accuracy of forecasts obtained using the artificial neural network and the decision tree with classical linear regression was compared based on historical data from a ten-year period. The explanatory variables were: gas consumption in other EU countries, average monthly temperature, industrial production, wages in the economy and the price of natural gas. Forecasting was carried out in five stages differing in the selection of the learning and testing sample, the use of data preprocessing and the elimination of some variables. For raw data and a random training set, the highest accuracy was achieved by linear regression. For the preprocessed data and the random learning set, the decision tree was the most accurate. The forecast obtained on the basis of the first eight years and tested on the last two was most accurately created by regression, but only slightly better than with the decision tree or neural network, regardless of data normalization and elimination of collinear variables. Machine learning methods showed good accuracy of monthly gas consumption forecasts, but nevertheless slightly gave way to classical linear regression, due to too narrow set of explanatory variables. Machine learning methods will be able to show higher effectiveness as the number of data increases and the set of potential explanatory variables is expanded. In the sea of data, machine learning methods are able to create prognostic models more effectively, without the analyst’s laborious involvement in data preparation and multi-stage analysis. They will also allow for the frequent updating of the form of prognostic models even after each addition of new data into the database.
    Źródło:
    Nafta-Gaz; 2019, 75, 2; 111-117
    0867-8871
    Pojawia się w:
    Nafta-Gaz
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Reducing pollution levels generated by short sea shipping : use of Bayesian networks to analyse the utilization of liquefied natural gas as an alternative fuel
    Autorzy:
    Molina Serrano, Beatriz
    González Cancelas, Nicoleta
    Soler Flores, Francisco
    Powiązania:
    https://bibliotekanauki.pl/articles/246442.pdf
    Data publikacji:
    2019
    Wydawca:
    Instytut Techniczny Wojsk Lotniczych
    Tematy:
    Bayesian networks
    graph theory
    artificial network
    European Union
    Short Sea Shipping
    liquefied natural gas
    Opis:
    Pollution adjacent to the continent's shores has increased in the last decades, so it has been necessary to establish an energy policy to improve environmental conditions. One of the proposed solution was the search of alternative fuels to the commonly used in Short Sea Shipping to reduce pollution levels in Europe. Studies and researches show that liquefied natural gas could meet the European Union environmental requirements. Even environmental benefits are important; currently there is not significant number of vessels using it as fuel. Moreover, main target of this article is exposing result of a research in which a methodology to establish the most relevant variables in the decision to implement liquefied natural gas in Short Sea Shipping has been development using data mining. A Bayesian network was constructed because this kind of network allows to get graphically the relationships between variables and to determine posteriori values that quantify their contributions to decision-making. Bayesian model has been done using data from some European countries (European Union, Norway and Iceland) and database was generated by 35 variables classified in 5 categories. Main obtained conclusion in this analysis is that variables of transport and international trade and economy and finance are the most relevant in the decision-making process when implementing liquefied natural gas. Even more, it can be stablish that capacity of liquefied natural gas regasification terminals under construction and modal distribution of water cargo transportation continental as the most decisive variables because they are the root nodes in the obtained network.
    Źródło:
    Journal of KONES; 2019, 26, 1; 147-158
    1231-4005
    2354-0133
    Pojawia się w:
    Journal of KONES
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Forecasting of the daily demand for natural gas in rural households using the methods of artificial intelligence. Part I. Forecasting using artificial neural networks
    Prognozowanie dobowego zapotrzebowania na gaz ziemny wiejskich gospodarstw domowych przy wykorzystaniu metod sztucznej inteligencji. Cz. 1. Prognozowanie przy wykorzystaniu sztucznych sieci neuronowych
    Autorzy:
    Nęcka, K.
    Trojanowska, M.
    Małopolski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/334058.pdf
    Data publikacji:
    2015
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
    Tematy:
    natural gas
    short-term forecasts
    artificial neural networks
    gaz ziemny
    prognoza krótkookresowa
    sztuczna sieć neuronowa
    Opis:
    The paper determines daily forecast demands for natural gas using artificial neural networks (MLPs). The influence of net-work structure, the type of activation function and the training process used on the quality of prediction were studied. It was found that the quality of forecasts was highly influenced by the network training algorithm. The smallest errors of the ex-pired forecasts (MAPE 5-6%) were obtained using the BFGS algorithm.
    W trakcie badań wyznaczano dobowe prognozy zapotrzebowania na gaz ziemny z wykorzystaniem sztucznych sieci neuronowych MLP. Przebadano wpływ struktury sieci, rodzaju funkcji aktywacji oraz zastosowanego procesu uczenia sieci na jakość predykcji. Stwierdzono, że na jakość prognoz duży wpływ ma algorytm uczenia sieci. Najmniejsze błędy prognoz wygasłych (MAPE rzędu 5-6%) uzyskano stosując algorytm BFGS.
    Źródło:
    Journal of Research and Applications in Agricultural Engineering; 2015, 60, 2; 62-64
    1642-686X
    2719-423X
    Pojawia się w:
    Journal of Research and Applications in Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie metody sztucznych sieci neuronowych do prognozowania obciążenia sieci rurociągów do transportu gazu ziemnego
    Application of Artificial Neural Networks for load prediction in a gas pipeline network
    Autorzy:
    Szoplik, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/2072145.pdf
    Data publikacji:
    2013
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    sztuczne sieci neuronowe
    prognozowanie
    obciążenie sieci gazowej
    artificial neural network
    forecasting
    load of gas pipeline network
    Opis:
    Zaproponowano zastosowanie metody sztucznych sieci neuronowych do prognozowania obciążenia sieci gazowej przykładowego miasta w Polsce, biorąc pod uwagę czynniki pogodowe oraz kalendarzowe. Na podstawie rzeczywistych danych wejściowych wytrenowano wiele sieci neuronowych, różniących się liczbą neuronów w warstwie ukrytej i zaproponowano najlepszą strukturę sieci neuronowej, która zależy od liczności zbioru danych wejściowych. Otrzymane modele sieci mogą być z powodzeniem stosowane w praktyce.
    Application of Artificial Neural Network for load prediction in a gas pipeline network in an exemplary Poland city taking into account weather and calendar factors is proposed in the paper. Based on real data, a number of neural networks with a various number of neurons in hidden layer were trained. The best neural network structure depending on a number of initial data sets was proposed. The obtained network models can be successfully applied in practice.
    Źródło:
    Inżynieria i Aparatura Chemiczna; 2013, 6; 572--574
    0368-0827
    Pojawia się w:
    Inżynieria i Aparatura Chemiczna
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Monitoring of high-speed shaft of gas turbine using artificial neural networks: predictive model application
    Autorzy:
    Rahmoune, M. B.
    Hafaifa, A.
    Abdellah, K.
    Chen, X. Q.
    Powiązania:
    https://bibliotekanauki.pl/articles/328726.pdf
    Data publikacji:
    2017
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    monitoring
    gas turbine
    vibrations
    artificial neural networks
    predictive model
    turbina gazowa
    drgania
    sztuczna sieć neuronowa
    model predykcyjny
    Opis:
    The automatic engineering known a very rapid progress with the consequent development of numerical methods and computer systems, by the growth of computational capacity. In this context, this work proposes a strategy of predictive control of the high-pressure shaft speed of a gas turbine using artificial neural networks in order to monitor the vibratory behavior of this rotating machine. This approach makes it possible to ensure the stability of this turbine under real conditions and to detect any deviation of their dynamic behavior from the margin of safety. This approach makes it possible to include the control limitations on the turbine variables in the modeling step of the high-speed shaft speed controller.
    Źródło:
    Diagnostyka; 2017, 18, 4; 3-10
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Advanced gas turbines health monitoring systems
    Zaawansowany system monitorowania stanu technicznego w turbinach gazowych
    Autorzy:
    Adamowicz, M.
    Żywica, G.
    Powiązania:
    https://bibliotekanauki.pl/articles/327586.pdf
    Data publikacji:
    2018
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    monitoring
    gas turbine
    vibrations
    artificial neural networks
    predictive model
    monitorowanie
    turbina gazowa
    wibroakustyka
    sieci neuronowe
    model predykcyjny
    Opis:
    An overview of science papers in the field of machine diagnosis has exposed increasing efforts in developing accurate and reliable engine health monitoring systems. Attempts have been made in both diagnostics and prediction of system faults. Essential limitations of the standard monitoring system are discussed in this paper as well as arguments for implementation of the Advanced Gas Turbine Health Monitoring Systems. Examples of implementation are discussed and a comparison between “Enhanced Arrangement” and “Standard Arrangements” is carried out. The individual system components are implemented today using very different methods. Performance degradation of gas turbines is described here with an approach of Condition Based Maintenance and it was shown how the classification method can help to improve equipment operation. The review of signal processing methods was carried out to present strengths and shortcomings of individual methods.
    Przegląd literatury w dziedzinie diagnostyki maszyn wykazuje duże zainteresowanie środowiska naukowego opracowaniem niezawodnych i precyzyjnych metod oceny stanu technicznego napędów turbinowych. Prace te mają najczęściej na celu opracowanie systemów służących do bieżącej diagnostyki uszkodzeń pojawiających się podczas pracy jak i prognozowania przyszłych defektów. W artykule przeprowadzono ocenę najczęściej stosowanych metod diagnostycznych jak również omówiono zastosowanie „Zaawansowanego systemu monitorowania stanu technicznego turbin gazowych”. Przedstawione zostało porównanie standardowego i zaawansowanego układu diagnostyczno-sterującego. Indywidualne metody diagnostyczne zostały opisane wraz z przykładami zastosowania. Wykazano, że spadek sprawności turbiny gazowej jest ściśle związany z jej stanem technicznym, który może być stale monitorowany. Oceniono również wpływ metod klasyfikacji uszkodzeń na wykrywalność stopnia degradacji.
    Źródło:
    Diagnostyka; 2018, 19, 2; 77-87
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Metoda wspomagania komputerowego w badaniach diagnostycznych łopatek turbin gazowych
    Computer-aided method of diagnostics of gas turbine blades
    Autorzy:
    Bogdan, M.
    Błachnio, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/208601.pdf
    Data publikacji:
    2011
    Wydawca:
    Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
    Tematy:
    łopatki eksploatowane turbiny gazowej
    ocena stanu
    sztuczne sieci neuronowe
    operating gas turbine blades
    state condition
    artificial neural networks
    Opis:
    W artykule przedstawiono metodę wspomagania komputerowego do diagnozowania łopatek turbiny gazowej z wykorzystaniem sztucznych sieci neuronowych. Głównym celem prezentacji jest opracowana sieć neuronowa, za pomocą której na podstawie cech obrazów powierzchni łopatek dokonuje się orzekania o ich stanie (element zdatny, element częściowo zdatny, element niezdatny). Opierając się na wnioskach sformułowanych na podstawie badań mikrostruktury, dotyczących oceny stopnia przegrzania (łopatki zdatne i niezdatne do dalszej eksploatacji), przyjęto jako wzorce obrazy powierzchni reprezentujące łopatki w różnych stanach (neuronowa klasyfikacja wzorcowa). Dodatkowo, wiążąc oraz segregując (wg ich przydatności w procesie uczenia sieci) parametry obrazów, uzyskane zarówno z histogramów jak i macierzy zdarzeń, zautomatyzowano i zwiększono wiarygodność (wspomaganie komputerowe) procesu decyzyjnego. Zastosowanie sztucznej sieci neuronowej umożliwia w większym stopniu odwzorowanie złożonych zależności pomiędzy obrazem łopatki a jej stanem, niż to realizuje diagnosta dotychczasową metodą subiektywną.
    The article presents a computer - aided method of diagnostics of gas turbine blades with the use of artificial neural networks. The subject of presentation is the developed neural network, with the help of which - on the basis of features of blade surface images-their condition is determined (operable element, partly operable element, inoperable element). Basing on conclusions formulated on the basis of microstructure examinations and concerning evaluation of state of overheating (blades suitable and not suitable for further operation), as patterns assumed were surface images representing blades in various states (neural pattern classification). Additionally, combining and segregating (according to their applicability for the network teaching process) image parameters, acquired from histograms as well as from matrix of events, automated and increased was the credibility (computer aiding) of a decision process. The application of artificial neural network enables better representation of complex relations between blade image and its condition than in the case of subjective methods used currently by diagnosticians.
    Źródło:
    Biuletyn Wojskowej Akademii Technicznej; 2011, 60, 1; 71-81
    1234-5865
    Pojawia się w:
    Biuletyn Wojskowej Akademii Technicznej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Skuteczność prognozowania zużycia gazu z wykorzystaniem metod regresji i sztucznych sieci neuronowych
    Prediction of gas consumption efficiency using regression and artificial neural networks
    Autorzy:
    Cieślik, T.
    Metelska, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/104941.pdf
    Data publikacji:
    2017
    Wydawca:
    Politechnika Rzeszowska im. Ignacego Łukasiewicza. Oficyna Wydawnicza
    Tematy:
    regresja liniowa
    regresja potęgowa
    parametry sztuczne
    sztuczne sieci neuronowe
    konsumpcja gazu
    linear regression
    exponential regression
    parameters
    artificial neural networks
    gas consumption
    Opis:
    Na podstawie zgromadzonych danych takich jak: temperatura, siła wiatru oraz zużycie gazu w ciągu dnia na przestrzeni dwóch lat określono wpływ czynników atmosferycznych na konsumpcje gazu za pomocą regresji wielorakiej, funkcji potęgowych oraz funkcji użytkownika. Wyznaczono wpływ miesiąca oraz dnia (parametr sztuczny) na konsumpcje gazu. Zbudowano modele regresji liniowe, potęgowej oraz sztuczne sieci neuronowe służące do określania zużycia gazu. Starano się wyznaczyć jak najlepszy model regresji i porównywano go do modeli sieci neuronowych za pomocą MAPE (średni absolutny błąd procentowy).
    Based on the collected data, such as temperature, wind power and gas consumption during the day for over two years determine the effects of weathering on gas consumption by using multiple regression, power functions and user functions. We determine the impact of the month and day (artificial parameter) to consume gas. We build models of linear regression-in, power series and artificial neural networks for determining gas consumption. We are trying to determine how best regression model and compare it to the neural network models using MAPE (mean absolute percentage error).
    Źródło:
    Czasopismo Inżynierii Lądowej, Środowiska i Architektury; 2017, 64, 1; 133-141
    2300-5130
    2300-8903
    Pojawia się w:
    Czasopismo Inżynierii Lądowej, Środowiska i Architektury
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of artificial intelligence methods in drilling system design and operations: a review of the state of the art
    Autorzy:
    Bello, O.
    Holzmann, J.
    Yaqoob, T.
    Teodoriu, C.
    Powiązania:
    https://bibliotekanauki.pl/articles/91537.pdf
    Data publikacji:
    2015
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    artificial intelligence
    AI
    petroleum exploration
    production
    neural network
    oil industry
    gas industry
    sztuczna inteligencja
    ropa naftowa
    produkcja
    sieć neuronowa
    przemysł naftowy
    gazownictwo
    Opis:
    Artificial Intelligence (AI) can be defined as the application of science and engineering with the intent of intelligent machine composition. It involves using tool based on intelligent behavior of humans in solving complex issues, designed in a way to make computers execute tasks that were earlier thought of human intelligence involvement. In comparison to other computational automations, AI facilitates and enables time reduction based on personnel needs and most importantly, the operational expenses. Artificial Intelligence (AI) is an area of great interest and significance in petroleum exploration and production. Over the years, it has made an impact in the industry, and the application has continued to grow within the oil and gas industry. The application in E & P industry has more than 16 years of history with first application dated 1989, for well log interpretation; drill bit diagnosis using neural networks and intelligent reservoir simulator interface. It has been propounded in solving many problems in the oil and gas industry which includes, seismic pattern recognition, reservoir characterisation, permeability and porosity prediction, prediction of PVT properties, drill bits diagnosis, estimating pressure drop in pipes and wells, optimization of well production, well performance, portfolio management and general decision making operations and many more. This paper reviews and analyzes the successful application of artificial intelligence techniques as related to one of the major aspects of the oil and gas industry, drilling capturing the level of application and trend in the industry. A summary of various papers and reports associated with artificial intelligence applications and it limitations will be highlighted. This analysis is expected to contribute to further development of this technique and also determine the neglected areas in the field.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2015, 5, 2; 121-139
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Method of selecting the LS-SVM algorithm parameters in gas detection process
    Sposób doboru parametrów algorytmu LS-SVM w procesie detekcji gazów
    Autorzy:
    Lentka, Ł.
    Smulko, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/267849.pdf
    Data publikacji:
    2015
    Wydawca:
    Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
    Tematy:
    gas detection
    optimal parameters selection
    support vector machine (SVM)
    artificial immune system
    detekcja gazów
    optymalny dobór parametrów
    maszyna wektorów nośnych
    sztuczny system immunologiczny
    Opis:
    In this paper we showed the method of resistive gas sensors data processing. The UV irradiation and temperature modulation was applied to improve gas sensors’ selectivity and sensitivity. Noise voltage across the sensor’s terminals (proportional to its resistance fluctuations) was recorded to estimate power spectral density. This function was an input data vector for LS-SVM (least squares – support vector machine) algorithm, which predicted a concentration of gas present in sensor’s ambient atmosphere. The algorithm creates a non-linear regression model at learning stage. This model can be used to predict gas concentration by recording resistance noise only. We have proposed a fast method of selecting LS-SVM parameters to determine high quality model. The method utilizes a behavior of immune system to determine optimal parameters of the LS-SVM algorithm. High accuracy of the applied method was proved for the recorded experimental data.
    W artykule pokazano metodę przetwarzania danych z rezystancyjnych czujników gazów, stosowaną do wykrywania gazów. W celu zwiększenia czułości i selektywności czujników zastosowano modulację temperaturową oraz oświetlenie diodą LED UV aby zebrać więcej danych. Szumy napięciowe rejestrowane na zaciskach czujnika (proporcjonalne do fluktuacji jego rezystancji) zostały wykorzystane do wyznaczenia gęstości widmowej mocy. Ta funkcja stanowiła wektor danych wejściowych dla algorytmu maszyny wektorów nośnych według kryterium najmniejszych kwadratów (LS-SVM), umożliwiając określenie stężenia gazu występującego w atmosferze otaczającej czujnik. Nieliniowy charakter algorytmu pozwala na tworzenie w fazie uczenia modelu na podstawie danych uzyskanych z pomiarów za pomocą metody odniesienia. Pokazano szybki sposób doboru optymalnych parametrów algorytmu LS-SVM, gwarantujących skuteczność szacowania stężenia gazu. W badaniach wykorzystano metodę symulującą działanie systemu odpornościowego. Analiza danych eksperymentalnych potwierdziła skuteczność prezentowanej metody.
    Źródło:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2015, 46; 69-72
    1425-5766
    2353-1290
    Pojawia się w:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-15 z 15

      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