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 sewage" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Wpływ wirującego pola magnetycznego na kształt pęcherzy powietrza w sztucznym ścieku
    Influence of rotating magnetic field on air bubble shape in artificial sewage
    Autorzy:
    Rakoczy, R.
    Masiuk, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/2070741.pdf
    Data publikacji:
    2009
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    sztuczny ściek
    pęcherze gazowe
    wirujące pole magnetyczne
    artificial sewage
    babble shape
    rotating magnetic field
    Opis:
    W pracy podano wyniki badań wpływu wirującego pola magnetycznego na kształt pęcherzy powietrza rozpraszanych w sztucznym ścieku. Ilościową! jakościową ocenę kształtu pęcherza opisano entropią informacji.
    Results of experimental investigations of a rotating magnetic field influence on the bubble aspect ratio in artificial sewage are given in the paper. A qualitative and quantitative assessment of bubble shape by means of the differential entropy method is presented.
    Źródło:
    Inżynieria i Aparatura Chemiczna; 2009, 5; 95-96
    0368-0827
    Pojawia się w:
    Inżynieria i Aparatura Chemiczna
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prognostic Models of Panicum virgatum L. Using Artificial Neural Networks
    Autorzy:
    Lopushniak, Vasyl Ivanovych
    Hrytsuliak, Halyna Myhaylovna
    Bykin, Anatoliy Viktorovych
    Bordyuzha, Nadia Petryvna
    Semenko, Larysa Oleksandryvna
    Polutrenko, Myroslava Stepanivna
    Kotsyubynska, Yulia Zinoviyivna
    Powiązania:
    https://bibliotekanauki.pl/articles/2028041.pdf
    Data publikacji:
    2021
    Wydawca:
    Polskie Towarzystwo Inżynierii Ekologicznej
    Tematy:
    switchgrass
    productivity
    biomass
    sewage sludge
    precipitate
    artificial neural network
    Opis:
    The article shows the possibility of using modern methods of artificial intelligence to calculate the yield of biomass of crops according to the given set input data (fertilizer doses, agrochemical parameters of the soil, productivity). The study reflects the results of testing a model of a computer program of an artificial neural network, which allowed forecasting the yield of Panicum virgatum L. (Switchgrass) depending on the joint application of fertilizers mineral and precipitate. On the basis of the calculations, the obtained model of productivity of vegetative mass of switchgrass shows a high level of forecasting efficiency (up to 97%). According to the results of experimental studies, the use of sewage sludge at a doses of 20–40 t/ha provides a dry biomass yield of Panicum virgatum L. (Switchgrass) in the range of 13.1–20.3 t/ha, which is 3.4–7.2 t/ha more than in the option without fertilizer.
    Źródło:
    Journal of Ecological Engineering; 2021, 22, 11; 62-71
    2299-8993
    Pojawia się w:
    Journal of Ecological Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Analiza procesu oczyszczania ścieków z wykorzystaniem modelu opartego na technice sztucznych sieci neuronowych
    Analysis of wastewater purification by means of neural network technique
    Autorzy:
    Masiuk, S.
    Rakoczy, R.
    Kordas, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/2070676.pdf
    Data publikacji:
    2009
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    sztuczna sieć neuronowa
    oczyszczanie ścieków
    artificial neural network
    sewage purification process
    Opis:
    Zaprezentowano zastosowanie techniki sztucznych sieci neuronowych w procesie tworzenia matematycznego opisu usuwania zanieczyszczeń w ścieku przemysłowym. Trójwymiarowe powierzchnie odpowiedzi modelu typu RBF mogą być wykorzystane do oceny wpływu parametrów charakteryzujących ściek wejściowy na analizowany parametr wyjściowy (twardość ogólna), charakteryzujący ściek po biologicznym oczyszczaniu.
    A main objective of this paper is to present the application of artificial neural network (ANN) technique for the development of a mathematical description of wastewater purification process. It was found that the 3-dimensional response surfaces could be used in the evaluation of raw sewage parameters' influence on the analyzed treatment sewage parameter (total hardness).
    Źródło:
    Inżynieria i Aparatura Chemiczna; 2009, 5; 73-74
    0368-0827
    Pojawia się w:
    Inżynieria i Aparatura Chemiczna
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Solar pyrolysis and gasification of the sewage sludge - produced fuel properties analysis
    Piroliza solarna oraz zgazowanie osadów ściekowych - analiza właściwości powstałych paliw
    Autorzy:
    Werle, Sebastian
    Sobek, Szymon
    Kaczor, Zuzanna
    Powiązania:
    https://bibliotekanauki.pl/articles/127348.pdf
    Data publikacji:
    2020
    Wydawca:
    Towarzystwo Chemii i Inżynierii Ekologicznej
    Tematy:
    solar energy
    sewage sludge conversion
    artificial light source
    pyrolysis
    gasification
    energia słoneczna
    wykorzystanie osadów ściekowych
    sztuczne źródło światła
    piroliza
    zgazowanie
    Opis:
    Sewage sludge is considered as a biomass due to its biodegradability. Legal conditions in the European Union prohibit sewage sludge storage. Therefore, there is a need to develop thermal methods for sewage sludge treatment. The most common way to date has been combustion. However, this process has a lot of disadvantages associated primarily with environmental harmfulness and the immediate need to use the heat produced. Pyrolysis and gasification are considered the most promising methods of sludge management. They have many advantages over combustion. However, it is difficult to tell which method is more likely to be widely used. Therefore, the paper presents a critical comparison of the solar pyrolysis process and gasification in the fixed bed of municipal sewage sludge. The analysis of the process parameters and combustible properties of the gaseous fuels obtained was analysed.
    Osady ściekowe są uważane za biomasę ze względu na swą biodegradowalność. Warunki prawne w Unii Europejskiej zabraniają składowania osadów ściekowych, dlatego istnieje potrzeba rozwoju termicznych metod wykorzystania osadów ściekowych. Dotychczas najczęstszym sposobem jest spalanie. Proces ten ma jednak wiele wad związanych przede wszystkim ze szkodliwością dla środowiska i natychmiastową potrzebą wykorzystania wytworzonego ciepła. Piroliza i zgazowanie są uważane za najbardziej obiecujące metody zagospodarowania osadów. Mają wiele zalet w porównaniu do spalania. Trudno jednak stwierdzić, która metoda będzie częściej stosowana, dlatego w artykule przedstawiono porównanie procesu pirolizy słonecznej i zgazowania w złożu nieruchomym komunalnego osadu ściekowego. Przeanalizowano wpływ parametrów procesu na właściwości palne otrzymanych gazów procesowych.
    Źródło:
    Proceedings of ECOpole; 2020, 14, 1; 39-46
    1898-617X
    2084-4557
    Pojawia się w:
    Proceedings of ECOpole
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie sztucznych sieci neuronowych do prognozowania zawartości azotu ogólnego w odpływie z oczyszczalni ścieków
    Application of artificial neural networks to forecasting total nitrogen content in secondary effluent from treatment plants
    Autorzy:
    Wąsik, E.
    Chmielowski, K.
    Studziński, J.
    Szeląg, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/237416.pdf
    Data publikacji:
    2018
    Wydawca:
    Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
    Tematy:
    ścieki komunalne
    ścieki oczyszczone
    modelowanie
    prognozowanie
    sztuczne sieci neuronowe
    azot ogólny
    azot amonowy
    azotyny
    azotany
    azot organiczny
    sewage
    secondary effluent
    modeling
    forecasting
    artificial neural networks
    total nitrogen
    ammonia nitrogen
    nitrites
    nitrates
    organic nitrogen
    Opis:
    Zaprezentowano możliwość wykorzystania sztucznych sieci neuronowych do prognozowania zawartości azotu ogólnego w ściekach oczyszczonych w funkcji jego różnych postaci występujących w odpływie z oczyszczalni ścieków. W badaniach zastosowano dane z lat 2010–2016, zawierające pomiary zawartości związków azotu w ściekach odpływających z oczyszczalni obsługującej aglomerację o równoważnej liczbie mieszkańców powyżej 100000. Zbiór danych wejściowych został wstępnie poddany analizie skupień i następnie wykorzystany do trenowania sieci neuronowej w postaci perceptronu wielowarstwowego. Na podstawie uzyskanych symulacji stwierdzono, że najmniejsze wartości błędów prognozy ilosci azotu ogólnego (2÷3%) uzyskano w wariancie, gdy jego wartość była funkcją wszystkich postaci azotu występujących w oczyszczonych ściekach. W przypadku modelu wykorzystującego jedynie dane o zawartości azotu nieorganicznego oraz azotanów otrzymane wyniki symulacji niewiele różniły się od wartości rzeczywistych, na co wskazuje bardzo duża wartość współczynnika korelacji (>97%). Wartość średniego błędu bezwzględnego w tym przypadku zwiększyła się tylko o około 4 punkty procentowe do wartości 6,2% (proces uczenia) oraz 6,9% (proces testowania/walidacji) w stosunku do symulacji wykorzystującej wszystkie postacie azotu w ściekach.
    Potential application of artifi cial neural networks (ANN) to forecast total nitrogen content (TNC) in treated wastewater was presented as a function of selected nitrogen forms present in the secondary effl uent. The analyzed data from the period of 2010–2016 covered measurements of the nitrogen content in the effl uent from the treatment plant servicing agglomeration with a population equivalent of more than 100,000. The input data set was initially subjected to cluster analysis and then, used to train a neural network in the form of a multilayer perceptron (MLP). The simulations demonstrated that the smallest error values for the forecast of TNC (2–3%) were obtained for the variant, the value of which was a function of all the forms of nitrogen present in the secondary effl uent. For the total nitrogen model based on inorganic nitrogen and nitrates data only, the simulation results did not differ signifi cantly from the actual values, as indicated by a very high correlation coeffi cient (over 97%). In this case, the value of the mean absolute error increased only by nearly 4% to 6.2% (learning process) or 6.9% (testing/validation process), compared to the simulation based on all the nitrogen forms in the sewage.
    Źródło:
    Ochrona Środowiska; 2018, 40, 1; 29-33
    1230-6169
    Pojawia się w:
    Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prognozowanie ilości ścieków dopływających do oczyszczalni za pomocą sztucznych sieci neuronowych z wykorzystaniem liniowej analizy dyskryminacyjnej
    Forecasting the sewage inflow into a treatment plant using artificial neural networks and linear discriminant analysis
    Autorzy:
    Szeląg, B.
    Studziński, J.
    Chmielowski, K.
    Leśniańska, A.
    Rojek, I.
    Powiązania:
    https://bibliotekanauki.pl/articles/237303.pdf
    Data publikacji:
    2018
    Wydawca:
    Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
    Tematy:
    Wastewater inflow
    sewage treatment plant
    water level
    daily precipitation
    artificial neural networks
    discriminant models
    mean square error
    mean percentage error
    relative error
    residual relative error
    importance coefficient
    dopływ ścieków
    oczyszczalnia ścieków
    poziom wody
    opad dobowy
    sztuczne sieci neuronowe
    model dyskryminacyjny
    błąd średniokwadratowy
    średni błąd procentowy
    błąd względny
    względny błąd resztowy
    współczynnik ważności
    Opis:
    W pracy przedstawiono wyniki prognozowania ilości ścieków dopływających do oczyszczalni komunalnej w Rzeszowie z wykorzystaniem perceptronowych wielowarstwowych sztucznych sieci neuronowych. W modelu prognostycznym przyjęto następujące zmienne niezależne: zmierzona ilość ścieków dopływających do oczyszczalni określona w poprzednich dobach, poziom wody w Wisłoku (odbiornik ścieków), suma dobowych opadów atmosferycznych oraz dobowa ilość wody tłoczonej do sieci wodociągowej. Przeprowadzone obliczenia wykazały, że wśród rozpatrywanych zmiennych istotny wpływ na zdolność predykcyjną modelu prognostycznego miał poziom wody w Wisłoku, wysokość opadów atmosferycznych oraz ilość ścieków dopływająca do obiektu zmierzona w poprzednich dniach. Analizowano również wpływ poszczególnych parametrów strukturalnych modelu opartego na sztucznych sieciach neuronowych na wyniki prognozowania. Przeprowadzone badania, z wykorzystaniem drzew klasyfikacyjnych, wykazały, że na liczbę neuronów w warstwie ukrytej wpływała liczba sygnałów wejściowych do modelu, natomiast rodzaj funkcji aktywacji w warstwach ukrytej i wyjściowej miał mniejsze znaczenie, co potwierdziły wartości o znaczeniu predykcyjnym. Badano również możliwość zastosowania liniowej analizy dyskryminacyjnej do oceny zdolności predykcyjnych skonstruowanych modeli prognostycznych. Uzyskane wyniki wykazały, że liniowa analiza dyskryminacyjna może być ciekawym narzędziem do oceny doboru zmiennych w modelu prognostycznym ilości ścieków dopływających do oczyszczalni.
    The paper presents the results of forecasting the sewage inflow into the municipal wastewater treatment plant in Rzeszow using multilayer perceptron neural networks. For the forecast model, the following independent variables were adopted: the measured inflow volume to the treatment plant from the previous days, the water level in the Wislok River (effluent receiver), the total daily precipitation and the daily water inflow into the network. The calculations led to conclusions that variables substantially affecting the prognostic capacity of the forecast model included the water level in the Wislok River, the volume of precipitation and the sewage inflow to the facility from the previous days. Additionally, the impact of individual structural parameters of the model based on artificial neural networks on forecasting results was analyzed. The research conducted with the use of classification trees demonstrated that number of neurons in the hidden layer was influenced by the number of inputs to the model, while the type of activation function in the hidden and output layer was of minor importance which was confirmed by the data of prognostic value. The applicability of a linear discriminant analysis for assessment of prognostic ability of the constructed forecast models was also investigated. The results obtained demonstrated that the linear discriminant model might be an interesting assessment tool to select variables for the forecast model of sewage inflow to a treatment plant.
    Źródło:
    Ochrona Środowiska; 2018, 40, 4; 9-14
    1230-6169
    Pojawia się w:
    Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      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