Informacja

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

Wyszukujesz frazę "metoda krzyżowa" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Wpływ wybranych czynników na rozwój innowacyjnych technologii zagospodarowywania odpadów pochodzących z górnictwa węgla kamiennego określony metodą krzyżowej analizy wpływów
Effect of selected factors on the development of innovative hard coal mining waste management technologies determined by cross-impact analysis
Autorzy:
Baic, I.
Witkowska-Kita, B.
Blaschke, W.
Lutyński, A.
Kozioł, W.
Piotrowski, Z.
Powiązania:
https://bibliotekanauki.pl/articles/1819564.pdf
Data publikacji:
2011
Wydawca:
Politechnika Koszalińska. Wydawnictwo Uczelniane
Tematy:
metoda krzyżowa
zagospodarowanie odpadów
górnictwo węgla kamiennego
cross method
waste management
coal mining
Opis:
W roku 2007 wytworzono w Polsce 124,4 mln ton odpadów. Duży udział, bo 34,4 mln ton, a więc 26,6 %, stanowiły odpady mineralne powstające przy wydobyciu i przetwarzaniu węgla, co pokazano na rys. 1. Pomimo znacznego gospodarczego wykorzystania opisywanych odpadów, najczęściej w różnego typu pracach rekultywacyjnych na obszarach objętych eksploatacją górnicza, ich ilość deponowana na składowiskach stale wzrasta i w 2007 (dane GUS) osiągnęła ponad 0,5 mld ton [4]. Na rys. 2 pokazano procentowe udziały poszczególnych rodzajów odpadów wytworzonych w 2007 r. w kopalniach węgla kamiennego Górnośląskiego Zagłębia Węglowego. Wydaje się więc, w świetle przedstawionych danych, że problematyka efektywnego i szerokiego wykorzystania odpadów z produkcji węgla kamiennego jest niezwykle aktualna. Pewne pozytywne trendy zaobserwować można ostatnio w podejściu spółek węglowych, co wynika z obowiązującej już Ustawy o odpadach wydobywczych (Dz.U. z 2008 r. Nr 138, poz. 865) [3], [5]. Ustawa zobowiązuje bowiem wytwórców odpadów do ich utylizacji i zagospodarowania w instalacjach przemysłowych, wykluczając niektóre dotychczas stosowane metody zagospodarowania, np. poprzez składowanie. Przedstawiona sytuacja legła u podstaw zgłoszenia projektu "Foresight w zakresie priorytetowych i innowacyjnych technologii zagospodarowania odpadów pochodzących z górnictwa węgla kamiennego". Koordynatorem projektu, którego realizację przewidziano na lata 2009 - 2011, jest Instytut Mechanizacji Budownictwa i Górnictwa Skalnego w Warszawie. Partnerami projektu są Akademia Górniczo Hutnicza i Politechnika Śląska. W ramach wykonywanego projektu przewiduje się szereg badań mających na celu identyfikację wiodących technologii zagospodarowania odpadów górniczych o znaczeniu strategicznym, których rozwój w następnych 20 latach będzie priorytetowy dla Polski, a także opracowanie ich scenariuszy z określeniem czynników mających istotny wpływ na ten rozwój [1].
In Poland 124.4 mln t of waste was created in 2007. A large share, i.e. 34.4 million tonnes accounting for 26.6%, was mineral waste produced during coal mining and processing. Despite the economic use of such waste in rehabilitation of mining areas the amount of waste accumulated in waste heaps is grow-ing and in 2007 (according to GUS) reached 0.5 billion tonnes. It seems that according to abovementioned data the problem of effective and comprehensive use of mine waste is extremely valid. Certain positive trends are observed in the approach of Coal Companies due to Act on Extractive waste (OJ of 2008. No. 138, item. 865). The Act obliges producers to utilize and dis-pose waste in industrial facilities excluding some of the methods already used e.g. storage. Presented status gave fundaments for submitting the project titled "Foresight for prioritized and innovative hard coal waste disposal technologies". The project which is scheduled for implementation on 2009-2011 is coordinated by Institute of Mechanised Construction and Rock Mining in Warsaw. Part-ners are: AGH University of Science and Technology and Silesian University of Technology. In the project certain investigations were carried out in order to identify leading technologies of mine waste disposal of strategic importance which in the next 20 years will be the priority for Poland. Certain scenarios of factors affecting the development of these technologies were prepared. The fourth stage of the OGWK Foresight project included core activity which was focused on carrying out the research with various methodologies on innovativeness of hard coal mining waste management and influence of selected factors on their development. The paper presents results of cross-impact analysis of selected factors on innovativeness of hard coal mining waste management technology. The cross-impact analysis were supported by MICMAC software which allowed identification of sets of factors with the most powerful feedback effects. In total, six sets of arrays were analyzed, including five arrays of technological groups and one horizontal array representing strategic objectives factors. Cross-impact analysis were conducted in the following three stages: 1. Inventory of factor affecting the analyzed system (technology) development within the specific timeframe. 2. Determination of the relationship between selected factors and quantitative description of existing relationships with the use of cross-impact matrix. 3. Identification of key factors for the evolution of analyzed system (technology) within the specific timeframe. In the performed study experts were evaluating factors affecting imple-mentation of strategic objectives (horizontal array) and evaluation of factors affecting development of technology in five thematic groups of hard coal waste usage. Survey results were used for the extensive analysis allowing identification of key factors in the considered processes. Conducted cross-impact analysis allowed to determine key factors in thematic groups of hard coal waste disposal technologies and in horizontal array factors. It was found that there is a good repeatability of key factors in individual thematic technology groups. Resulting set of key factors indicates strong impact of economic factors with the lack or relatively low impact of factors related to technological issues in individual thematic groups.
Źródło:
Rocznik Ochrona Środowiska; 2011, Tom 13; 1339-1357
1506-218X
Pojawia się w:
Rocznik Ochrona Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza porównawcza wybranych metod szacowania błędu predykcji klasyfikatora
Comparative Analysis of Selected Methods for Estimating the Prediction Error of Classifier
Autorzy:
Herman, Sergiusz
Powiązania:
https://bibliotekanauki.pl/articles/1050557.pdf
Data publikacji:
2016-12-31
Wydawca:
Główny Urząd Statystyczny
Tematy:
błąd predykcji
walidacja krzyżowa
prosta metoda podziału
wielokrotne repróbkowanie
upadłość przedsiębiorstw
klasyfikacja
prediction error
cross-validation
holdout method
bootstrapping
corporate bankruptcy
classification
Opis:
Klasyfikacją nazywamy algorytm postępowania, który przydziela badane obserwacje/obiekty, bazując na ich cechach do określonych populacji. W tym celu konstruowany jest odpowiedni model – klasyfikator. Miarą jego jakości jest przede wszystkim zdolność predykcyjna, mierzona m.in. za pomocą prawdziwego błędu predykcji. Wartość tego błędu, ze względu na brak odpowiednio dużej, niezależnej próby testowej, musi być często szacowana na podstawie dostępnej próby uczącej. Celem artykułu jest dokonanie przeglądu oraz empirycznej analizy porównawczej wybranych metod szacowania błędu predykcji klasyfikatora, skonstruowanego z wykorzystaniem liniowej analizy dyskryminacyjnej. Zbadano, czy wyniki analizy uzależnione są od wielkości próby oraz metody wyboru zmiennych do modelu. Badanie empiryczne zostało przeprowadzone na przykładzie problemu prognozowania upadłości spółek akcyjnych w Polsce.
Classification is an algorithm, which assigns studied companies, taking into consideration their attributes, to specific population. An essential part of it is classifier. Its measure of quality is especially predictability, measured by true error rate. The value of this error, due to lack of sufficiently large and independent test set, must be estimated on the basis of available learning set. The aim of this article is to make a review and compare selected methods for estimating the prediction error of classifier, constructed with linear discriminant analysis. It was examined if the results of the analysis depends on the sample size and the method of selecting variables for a model. Empirical research was made on example of problem of bankruptcy prediction of join-stock companies in Poland.
Źródło:
Przegląd Statystyczny; 2016, 63, 4; 449-463
0033-2372
Pojawia się w:
Przegląd Statystyczny
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