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 "metoda ANN" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Parametric Analyses on Compressive Strength of Furan No Bake Mould System Using ANN
    Autorzy:
    Acharya, S. G.
    Vadher, J. A.
    Powiązania:
    https://bibliotekanauki.pl/articles/379929.pdf
    Data publikacji:
    2016
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    ANN method
    compressive strength
    FNB mould
    Matlab version
    R2015a version 8.3
    metoda ANN
    wytrzymałość na ściskanie
    forma FNB
    Matlab
    Opis:
    Casting is the most widely used manufacturing technique. Furan No-bake mould system is very widely accepted in competitive foundry industries due to its excellent characteristics of producing heavy and extremely difficult castings. These castings have excellent surface finish and high dimensional stability. Self setting and high dimensional stability are the key characteristics of FNB mould system which leads to reduce production cycle time for foundry industries which will ultimately save machining cost, labour cost and energy. Compressive strength is the main aspect of furan no bake mould, which can be improved by analyzing the effect of various parameters on it. ANN is a useful technique for determining the relation of various parameters like Grain Fineness Number, Loss on Ignition, pH, % resin and temperature of sand with compressive strength of the FNB mould. Matlab version: R2015a version 8.3 software with ANN tool box can be used to gain output of relation. This paper deals with the representation of relationship of various parameters affecting on the compressive strength of FNB mould.
    Źródło:
    Archives of Foundry Engineering; 2016, 16, 4; 5-10
    1897-3310
    2299-2944
    Pojawia się w:
    Archives of Foundry Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Two scales, hybrid model for soils, involving artificial neural network and finite element procedure
    Autorzy:
    Krasiński, M.
    Lefik, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/178935.pdf
    Data publikacji:
    2014
    Wydawca:
    Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
    Tematy:
    soil model
    neural network
    finite element method
    hybrid FE-ANN model
    model gleby
    sieci neuronowe
    metoda elementów skończonych
    model hybrydowy FE-ANN
    Opis:
    A hybrid ANN-FE solution is presented as a result of two level analysis of soils: a level of a laboratory sample and a level of engineering geotechnical problem. Engineering properties of soils (sands) are represented directly in the form of ANN (this is in contrast with our former paper where ANN approximated constitutive relationships). Initially the ANN is trained with Duncan formula (Duncan and Chang [2]), then it is re-trained (calibrated) with some available experimental data, specific for the soil considered. The obtained approximation of the constitutive parameters is used directly in finite element method at the level of a single element at the scale of the laboratory sample to check the correct representation of the laboratory test. Then, the finite element that was successfully tested at the level of laboratory sample is used at the macro level to solve engineering problems involving the soil for which it was calibrated
    Źródło:
    Studia Geotechnica et Mechanica; 2014, 36, 2; 29-36
    0137-6365
    2083-831X
    Pojawia się w:
    Studia Geotechnica et Mechanica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Effect of rock properties on ROP modeling using statistical and intelligent methods: a case study of an oil well in southwest of Iran
    Badanie wpływu właściwości skał na prędkość wiercenia przy zastosowaniu metod statystycznych i inteligentnych: studium przypadku: szyb naftowy w południowo-zachodniej części Iranu
    Autorzy:
    Bezminabadi, S. N.
    Ramezanzadeh, A.
    Jalali, S. M. E.
    Tokhmechi, B.
    Roustaei, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/219768.pdf
    Data publikacji:
    2017
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    prędkość wiercenia
    właściwości skał
    metoda wielokrotnej regresji nieliniowej
    sztuczne sieci neuronowe
    ROP
    rock properties
    MNR
    ANN
    Opis:
    Rate of penetration (ROP) is one of the key indicators of drilling operation performance. The estimation of ROP in drilling engineering is very important in terms of more accurate assessment of drilling time which affects operation costs. Hence, estimation of a ROP model using operational and environmental parameters is crucial. For this purpose, firstly physical and mechanical properties of rock were derived from well logs. Correlation between the pair data were determined to find influential parameters on ROP. A new ROP model has been developed in one of the Azadegan oil field wells in southwest of Iran. The model has been simulated using Multiple Nonlinear Regression (MNR) and Artificial Neural Network (ANN). By adding the rock properties, the estimation of the models were precisely improved. The results of simulation using MNR and ANN methods showed correlation coefficients of 0.62 and 0.87, respectively. It was concluded that the performance of ANN model in ROP prediction is fairly better than MNR method.
    Prędkość wiercenia jest jednym z podstawowych parametrów charakteryzujących tempo prac wiertniczych. Oszacowanie prędkości wiercenia jest zagadnieniem kluczowym dla inżynierów wiertnictwa, gdyż pozwala na dokładne określenie czasu trwania prac, a co za tym idzie także kosztów operacyjnych. Szacowanie prędkości wiercenia odbywa się na podstawie modelu uwzględniającego parametry pracy oraz parametry środowiskowe. Pierwszy krok obejmuje pozyskanie danych o fizycznych i mechanicznych właściwościach skał na podstawie profilowania geofizycznego otworu. Zastosowano korelację odpowiednich par danych dla pokreślenie wpływu głównych czynników warunkujących prędkość wiercenia. Nowy model obliczania prędkości wiercenia opracowany został w okręgu naftowym Azadegan w południowo-zachodniej części Iranu. Symulacje prowadzono w oparciu o metodę wielokrotnej regresji nieliniowej a także przy wykorzystaniu sztucznych sieci neuronowych. Poprzez dodanie danych o właściwościach skał, model został znacznie udoskonalony. Wyniki symulacji prowadzonych w oparciu o powyższe metody wykazały współczynniki korelacji na poziomie 0.62 i 0.87. Stwierdzono, że metoda wykorzystująca sztuczne sieci neuronowe daje dokładniejsze szacunki prędkości wiercenia niż podejście bazujące wyłącznie na metodzie obliczania regresji nieliniowej
    Źródło:
    Archives of Mining Sciences; 2017, 62, 1; 131-144
    0860-7001
    Pojawia się w:
    Archives of Mining Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Soft modelling of the shaping of metal profiles in rapid tube hydroforming technology
    Autorzy:
    Sadłowska, Hanna
    Kochański, Andrzej
    Powiązania:
    https://bibliotekanauki.pl/articles/29520063.pdf
    Data publikacji:
    2022
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    rapid tube hydroforming
    RTH
    manufacturing
    constitutive modelling
    soft modelling
    finite element method
    FEM
    artificial neural networks
    ANN
    hydroformowanie rur
    produkcja
    modelowanie konstytutywne
    miękkie modelowanie
    metoda elementów skończonych
    MES
    sztuczne sieci neuronowe
    Opis:
    The paper presents an approach to the impact of process parameters in innovative RTH (Rapid Tube Hydroforming) technology for shaping closed metal profiles in flexible and deformable dies. In order to implement the assumed deformation of the deformed profile, the RTH technology requires the monitoring and control of numerous technological parameters, including geometric, material, and technological variables. The paper proposes a two-stage research procedure considering hard modelling (constitutive) and soft modelling (data-driven). Due to the complexity of the technological process, it was required to develop a numerical finite element method FEM model focused on obtaining the adequate profile deformation measured by the ellipsoidality of the cylindrical profile. Based on the results of the numerical experiments, a preliminary soft mathematical model using ANN was developed. Analysing the soft model results, several statistical hypotheses were made and verified to investigate the significance of selected process parameters. Thanks to this, it was possible to select the most important process parameters, i.e., the properties of moulding sands used for RTH dies: the angle of internal friction and cohesion.
    Źródło:
    Computer Methods in Materials Science; 2022, 22, 4; 201-210
    2720-4081
    2720-3948
    Pojawia się w:
    Computer Methods in Materials Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A wavelet-SARIMA-ANN hybrid model for precipitation forecasting
    Hybrydowy model wavelet-SARIMA-ANN do prognozowania opadów
    Autorzy:
    Shafaei, M.
    Adamowski, J.
    Fakheri-Fard, M.
    Dinpashoh, Y.
    Adamowski, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/292320.pdf
    Data publikacji:
    2016
    Wydawca:
    Instytut Technologiczno-Przyrodniczy
    Tematy:
    artificial neural network (ANN)
    precipitation forecasting
    seasonal auto regressive integrated moving average (SARIMA)
    water resources management
    wavelet
    gospodarka zasobami wodnymi
    metoda wavelet
    prognozowanie opadów
    sezonowa zintegrowana autoregresja z ruchomą średnią
    sztuczne sieci neuronowe
    Opis:
    Given its importance in water resources management, particularly in terms of minimizing flood or drought hazards, precipitation forecasting has seen a wide variety of approaches tested. As monthly precipitation time series have nonlinear features and multiple time scales, wavelet, seasonal auto regressive integrated moving average (SARIMA) and hybrid artificial neural network (ANN) methods were tested for their ability to accurately predict monthly precipitation. A 40-year (1970–2009) precipitation time series from Iran’s Nahavand meteorological station (34°12’N lat., 48°22’E long.) was decomposed into one low frequency subseries and several high frequency sub-series by wavelet transform. The low frequency sub-series were predicted with a SARIMA model, while high frequency subseries were predicted with an ANN. Finally, the predicted subseries were reconstructed to predict the precipitation of future single months. Comparing model-generated values with observed data, the wavelet-SARIMA-ANN model was seen to outperform wavelet-ANN and wavelet-SARIMA models in terms of precipitation forecasting accuracy.
    Prognozowanie opadów, ze względu na ich znaczenie w gospodarce zasobami wodnymi, szczególnie w zmniejszaniu ryzyka powodzi czy susz, było już przedmiotem wielu badań. Serie miesięcznych opadów mają właściwości nieliniowe i różne skale czasowe, w związku z czym przetestowano różne metody: wavelet, metodę zintegrowanej sezonowej autoregresji z ruchomą średnią (SARIMA) i hybrydową metodę sztucznych sieci neuronowych (ANN) pod kątem ich zdolności do dokładnego przewidywania miesięcznych opadów. Czterdziestoletnią (1970–2009) serię opadów z irańskiej stacji meteorologicznej w Nahavand (34°12’N, 48°22’E) rozłożono na jedną podserię o niskiej częstotliwości i kilka podserii o wysokiej częstotliwości występowania opadów przez transformację falkową. Podserie o niskiej częstotliwości prognozowano za pomocą modelu SARIMA, podczas gdy podserie o wysokiej częstotliwości prognozowano, stosując ANN. Na koniec prognozowane podserie zrekonstruowano celem przewidywania opadów w poszczególnych miesiącach w przyszłości. Porównanie wartości generowanych przez model z danymi z obserwacji wykazało lepszą dokładność prognozowania opadów za pomocą modelu wavelet-SARIMA-ANN niż za pomocą modeli wavelet-ANN i wavelet-SARIMA.
    Źródło:
    Journal of Water and Land Development; 2016, 28; 27-36
    1429-7426
    2083-4535
    Pojawia się w:
    Journal of Water and Land Development
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      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