Temat: generowanie danych - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Modelowanie przepływów w rzece Kaczawa w perspektywie lat 2030 i 2050 (półrocze letnie)
Modelling flows in the Kaczawa River for for the years 2030 and 2050 (summer half-year)
Autorzy:: Kuchar, L.
Iwański, S.
Jelonek, L.
Szalińska, W.
Powiązania:: https://bibliotekanauki.pl/articles/338240.pdf
Data publikacji:: 2012
Wydawca:: Instytut Technologiczno-Przyrodniczy
Tematy:: generowanie danych meteorologicznych
model opad-odpływ
scenariusze zmiany klimatu
climate change scenarios
rainfall-runoff model
Kaczawa River catchment
weather generator
Opis:: W pracy zaprezentowano wpływ potencjalnych zmian klimatu na odpływ w zlewni Kaczawy w perspektywie lat 2030 i 2050 dla półrocza letniego. Odpływ dla badanych okresów obliczono z wykorzystaniem modelu opad-odpływ NAM. Dane meteorologiczne wymagane przez model NAM zostały wygenerowane za pomocą modelu SWGEN, którego kalibrację przeprowadzono na podstawie dobowych danych z lat 1981-2000, obejmujących obserwacje maksymalnej, minimalnej, średniej temperatury powietrza, wartości opadu atmosferycznego i usłonecznienia. Wartości promieniowania całkowitego oszacowano za pomocą wzoru Blacka. Brakujące charakterystyki zbiorcze zostały interpolowane na podstawie istniejących danych. Symulacje przeprowadzono dla aktualnych warunków klimatycznych oraz trzech wybranych scenariuszy: GISS, CCCM oraz GFDL. Wartości parowania potencjalnego oszacowano, wykorzystując zmodyfikowany wzór Turca. Zmiany odpływu zobrazowano rozkładami prawdopodobieństwa i charakterystykami opisowymi. Symulacje umożliwiły określenie potencjalnych zmian średniego dobowego odpływu Kaczawy na wodowskazie Piątnica. Na podstawie przeprowadzonych symulacji stwierdzono wzrost prawdopodobieństwa wstąpienia przepływów ekstremalnych.
The paper presents an effect of potential climate changes on water runoff from the Kaczawa River catchment in summer halves of the years 2030 and 2050. The runoffs for the studied periods were calculated using the rainfall-runoff model NAM. Meteorological data required by the NAM model were generated by the model SWGEN calibrated on daily data from the years 1981-2000. Data included observations of the maximum, minimum and average air temperature, precipitation and sunshine. The values of global radiation were estimated using the Black's formula. Missing characteristics were interpolated from the existing data. Simulations were performed for current climatic conditions and for the three selected scenarios: GISS, CCCM and GFDL. The values of potential evaporation were estimated using the modified Turc's formula. Changes in the outflow were illustrated by probability distribution functions and descriptive characteristics. Simulations enabled identification of potential changes in mean daily discharge at the gauge Piątnica. Based on simulations, an increase in the probability of extreme runoffs is expected.
Źródło:: Woda-Środowisko-Obszary Wiejskie; 2012, 12, 2; 143-157
1642-8145
Pojawia się w:: Woda-Środowisko-Obszary Wiejskie
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Forward and inverse kinematics solution of a robotic manipulator using a multilayer feedforward neural network
Autorzy:: Sharkawy, Abdel-Nasser
Powiązania:: https://bibliotekanauki.pl/articles/2201647.pdf
Data publikacji:: 2022
Wydawca:: Politechnika Koszalińska. Wydawnictwo Uczelniane
Tematy:: multilayer neural network
feedforward neural network
forward kinematics
inverse kinematics
2-DOF planar robot
Levenberg-Marquardt algorithm
generated data
sieci neuronowe
sieci neuronowe jednokierunkowe
sieci neuronowe wielowarstwowe
kinematyka prosta
kinematyka odwrotna
algorytm Levenberga-Marquardta
generowanie danych
Opis:: In this paper, a multilayer feedforward neural network (MLFFNN) is proposed for solving the problem of the forward and inverse kinematics of a robotic manipulator. For the forward kinematics solution, two cases are presented. The first case is that one MLFFNN is designed and trained to find solely the position of the robot end-effector. In the second case, another MLFFNN is designed and trained to find both the position and the orientation of the robot end-effector. Both MLFFNNs are designed considering the joints’ positions as the inputs. For the inverse kinematics solution, a MLFFNN is designed and trained to find the joints’ positions considering the position and the orientation of the robot end-effector as the inputs. For training any of the proposed MLFFNNs, data is generated in MATLAB using two different cases. The first case is that data is generated assuming an incremental motion of the robot’s joints, whereas the second case is that data is obtained with a real robot considering a sinusoidal joint motion. The MLFFNN training is executed using the Levenberg-Marquardt algorithm. This method is designed to be used and generalized to any DOF manipulator, particularly more complex robots such as 6-DOF and 7-DOF robots. However, for simplicity, this is applied in this paper using a 2-DOF planar robot. The results show that the approximation error between the desired output and the estimated one by the MLFFNN is very low and it is approximately equal to zero. In other words, the MLFFNN is efficient enough to solve the problem of the forward and inverse kinematics, regardless of the joint motion type.
Źródło:: Journal of Mechanical and Energy Engineering; 2022, 6, 2; 1--17
2544-0780
2544-1671
Pojawia się w:: Journal of Mechanical and Energy Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "generowanie danych" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język