Informacja

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

Wyszukujesz frazę "metoda ważona" wg kryterium: Temat


Wyświetlanie 1-5 z 5
Tytuł:
Comparison of multiple-criteria decision-making methods - results of a simulation study
Porównanie wielokryterialnych metod wspomagających podejmowanie decyzji - wyniki badań symulacyjnych
Autorzy:
Adamczak, M.
Domański, R.
Wagener, N.
Powiązania:
https://bibliotekanauki.pl/articles/361722.pdf
Data publikacji:
2016
Wydawca:
Wyższa Szkoła Logistyki
Tematy:
weighted sum model
analytic hierarchy process (AHP)
multiple criteria decision making
simulation study
metoda ważona
metoda AHP
wielokryterialne metody wspomagania decyzji
badania symulacyjne
Opis:
Background: Today, both researchers and practitioners have many methods for supporting the decision making process. Due to the conditions in which supply chains function, the most interesting are multi-criteria methods. The use of sophisticated methods for supporting decisions requires the parameterization and execution of calculations that are often complex. So is it efficient to use sophisticated methods? Methods: The authors of the publication compared two popular multi-criteria decision-making methods: the Weighted Sum Model (WSM) and the Analytic Hierarchy Process (AHP). A simulation study reflects these two decision-making methods. Input data for this study was a set of criteria weights and the value of each in terms of each criterion. Results: The iGrafx Process for Six Sigma simulation software recreated how both multiple-criteria decision-making methods (WSM and AHP) function. The result of the simulation was a numerical value defining the preference of each of the alternatives according to the WSM and AHP methods. The alternative producing a result of higher numerical value was considered preferred, according to the selected method. In the analysis of the results, the relationship between the values of the parameters and the difference in the results presented by both methods was investigated. Statistical methods, including hypothesis testing, were used for this purpose. Conclusions: The simulation study findings prove that the results obtained with the use of two multiple-criteria decision making methods are very similar. Differences occurred more frequently in lower-value parameters from the "value of each alternative" group and higher-value parameters from the "weight of criteria" group.
Wstęp: Obecnie teoretycy i praktycy dysponują wieloma metodami wspomagającymi proces podejmowania decyzji. Z uwagi na warunki, w jakich funkcjonują współczesne łańcuchy dostaw najbardziej interesujące wydają się metody wielokryterialne. Wykorzystanie skomplikowanych metod wymaga jednak wieloetapowej parametryzacji i przeprowadzenia rozbudowanych obliczeń. Czy zatem efektywne jest stosowanie skomplikowanych metod? Metody: Autorzy publikacji porównali dwie popularne wielokryterialne metody wspomagające proces podejmowani decyzji: metodę punktową ważoną (WSM) oraz metodę hierarchiczną (AHP). W modelu symulacyjnym odzwierciedlono funkcjonowanie obu tych metod. Dane wejściowe do symulacji stanowiły wartości parametrów: ocena alternatywy oraz waga kryterium. Wyniki: Model symulacyjny opracowano w oprogramowaniu iGrafx Process for Six Sigma. Odzwierciedlono w nim funkcjonowanie dwóch wielokryterialnych metod wspomagania procesu decyzyjnego: WSM oraz AHP. Wynikami symulacji były wartości liczbowe odzwierciedlające preferencję każdej z alternatyw według każdej z metod. Za wybraną przez daną metodę alternatywę uznawano tą, której wartość wskaźnika preferencji była wyższa. W analizie wyników poszukiwano zależności pomiędzy wartościami parametrów oraz różnicą wyników przedstawioną przez obie metody. Wykorzystano w tym celu metody statystyczne w tym testowanie hipotez. Wnioski: Przedstawione rezultaty badań symulacyjnych wskazują, że wyniki uzyskane dwiema wielokryterialnymi metodami wspomagania decyzji są do siebie bardzo zbliżone. Różnice wyników pomiędzy nimi miały miejsce częściej w warunkach niższych wartości parametru ocena alternatywy oraz w wyższych wartości parametru waga kryterium.
Źródło:
LogForum; 2016, 12, 4; 237-246
1734-459X
Pojawia się w:
LogForum
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Foreshadow prediction of coal and gas outbursts based on a weighted first-order local-region method
Prognozowanie wyrzutów gazu i węgla na podstawie ważonej metody lokalnej pierwszej potęgi
Autorzy:
Li, Z. Q.
Liu, Z.
Yuan, S.
Powiązania:
https://bibliotekanauki.pl/articles/348565.pdf
Data publikacji:
2012
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
ważona metoda lokalna pierwszej potęgi
wyrzuty węgla i gazu
chaotyczny szereg czasowy
prognozowanie wyrzutów
weighted first-order local-region method
coal and gas outbursts
chaotic time series
outburst prediction
Opis:
This paper presents a method for the foreshadow prediction of coal and gas outburst. It was hypothesized that the gas emission prior to coal and gas outburst was nonlinear and the chaotic time series could be used in the short-term prediction. The weighted first-order local-region method was used to analyze the historical monitored gas emission data prior to the coal and gas outburst in a coal mine. The phase space of gas emission time series was reconstructed according to Takens' theory and a dynamic mathematical model of prediction was constructed. Then, the model was applied to predict the gas emission and the results were good. More than 75 percent of the predictive value error constitutes less than 1 percent. The results show that the weighted first-order local-region method is much more precise than some prediction methods and it is also easy to operate. So it is good in application and provides an effective method for coal and gas outburst prediction based on the obviously nonlinear gas emission data.
Niniejsza publikacja przedstawia metodę prognozowania wyrzutów węgla i gazu. Z postawionych hipotez wynika, że emisja gazu, do której dochodzi przed wyrzutem węgla i gazu, ma przebieg nieliniowy, a chaotyczny szereg czasowy może być wykorzystywany w prognozach krótkoterminowych. Do analizy danych historycznych monitorowanej emisji gazu przed wyrzutem węgla i gazu w kopalni zastosowano ważoną metodę lokalną pierwszej potęgi. Przestrzeń fazową szeregu czasowego emisji gazu zrekonstruowano na podstawie twierdzenia Takensa, a następnie sporządzono dynamiczny model matematyczny prognozy. Model ten wykorzystano do prognozy emisji gazu. Wyniki testu były zadowalające. 75 procent błędu wartości prognozowanej stanowi mniej niż 1 procent. Wyniki pokazują, że ważona metoda lokalna pierwszej potęgi jest o wiele bardziej precyzyjna niż wiele innych metod prognostycznych. Ponadto jest ona łatwa do zastosowania. Prostota i skuteczność tej metody czyni ją odpowiednią do prognozowania wyrzutów węgla i gazu na podstawie nieliniowych danych emisji gazu.
Źródło:
AGH Journal of Mining and Geoengineering; 2012, 36, 3; 217-223
1732-6702
Pojawia się w:
AGH Journal of Mining and Geoengineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Metoda dopasowania funkcji nieliniowej do danych punktów pomiarowych i jej pasmo niepewności
The Method of Fitting a Non-linear Function to Data of Measured Points and its Uncertainty Band
Autorzy:
Puchalski, Jacek
Warsza, Zygmunt Lech
Powiązania:
https://bibliotekanauki.pl/articles/27312460.pdf
Data publikacji:
2023
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
regresja liniowa funkcji nieliniowych
dopasowanie
niepewność
pasmo niepewności
autokorelacja
korelacja wzajemna
ważona ogólna metoda najmniejszych kwadratów
linear regression of non-linear functions
fit
uncertainty
uncertainty band
correlation
weighted total least squares method
Opis:
W pracy przedstawiono propozycję metody wyznaczania parametrów i pasma niepewności funkcji nieliniowej dopasowanej do zmierzonych danych punktów badanych. By ją zlinearyzować trzeba dokonać zamiany jednej lub obu zmiennych określonej funkcji nieliniowej. Następnie metodą regresji liniowej dobrano najkorzystniejsze parametry linii prostej dopasowanej do wartości współrzędnych punktów wg ważonego ogólnego kryterium średniokwadratowego WTLS. Uwzględnia się też współczynniki autokorelacji i korelacji wzajemnej oraz niepewności obu współrzędnych oszacowane na podstawie przewodnika GUM. Z parametrów otrzymanej linii prostej i jej pasma niepewności wynikają poszukiwane parametry funkcji nieliniowej oraz jej pasmo niepewności. Podano przykłady liczbowe wyznaczania parametrów i pasma niepewności dwiema metodami dla jednej z gałęzi paraboli drugiego stopnia oraz dla złożonej funkcji wykładniczej.
The paper presents a method of determining parameters and uncertainty bands of a specific non-linear function fitted to given measured data of examined points. One or both of the variables of this non-linear function are changed so as to linearize it. Using the linear regression method, fined are the most favorable parameters of this straight line for its adjustment to the measured values of the coordinates of points tested according to the weighted total mean square WTLS criterion. Their autocorrelation and cross-correlation coefficients as well as uncertainties estimated according to the rules of the GUM guide are considered. The parameters and the uncertainty band of the non-linear function result from the parameters of this straight line and its uncertainty band. Numerical examples of determining the parameters and uncertainty bands for the branch of a 2nd degree parabola (two methods) and for the complex exponential function are given.
Źródło:
Pomiary Automatyka Robotyka; 2023, 27, 3; 45--55
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Regresja ważona geograficznie jako narzędzie analizy rynku nieruchomości
Geographically weighted regression as a tool for real estate market analysis
Autorzy:
Kulczycki, M.
Ligas, M.
Powiązania:
https://bibliotekanauki.pl/articles/385304.pdf
Data publikacji:
2007
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
RWG (regresja ważona geograficznie)
przestrzenna heterogeniczność
autokorelacja przestrzenna
metoda najmniejszych kwadratów
wycena nieruchomości
GWR (Geographically Weighted Regression)
spatial heterogeneity
spatial autocorrelation
least squares method
appraisal
Opis:
Przedmiotem rozważań zawartych w niniejszym artykule jest zagadnienie zastosowania regresji ważonej geograficznie (GWR) zarówno na etapie analizy rynku nieruchomości, jak i podczas procesu wyceny. GWR jest techniką eksploracyjną statystyki przestrzennej dającą możliwość bezpośredniego modelowania przestrzennej heterogeniczności poprzez lokalne dopasowywanie modeli regresji. Zastosowanie GWR owocuje zestawem parametrów regresji dla każdej lokalizacji (nieruchomości). Parametry te stanowią podstawę do stworzenia map zmienności poszczególnych współczynników regresji, czyli map zmienności wpływu poszczególnych atrybutów na wartość nieruchomości w zależności od lokalizacji, co od razu przywodzi na myśl strefy oraz mapy taksacyjne wykorzystywane w procesie powszechnej taksacji nieruchomości.
The paper presents considerations on applying Geographically Weighted Regression to real estate market analysis and appraisal process. GWR is the explorative technique of spatial statistics enabling direct modeling of spatial heterogeneity by local fitting regression models. Application GWR results in set of regression parameters for each localization from the data set (real estate). These parameters make a basis for mapping non - stationarity of regression relationship, saying otherwise allow to map spatial variation in regression parameters. This kind of mapping brings to mind immediately taxation zones and taxation maps used in mass appraisal process.
Źródło:
Geomatics and Environmental Engineering; 2007, 1, 2; 59-68
1898-1135
Pojawia się w:
Geomatics and Environmental Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Weighted prediction method with multiple time series using multi-kernel least squares support vector regression
Metoda ważonej predykcji wielokrotnych szeregów czasowych z wykorzystaniem wielojądrowej regresji wektorów wspierających metodą najmniejszych kwadratów (LS-SVR)
Autorzy:
Guo, Y. M.
Ran, C. B.
Li, X. L.
Ma, J. Z.
Zhang, L.
Powiązania:
https://bibliotekanauki.pl/articles/302067.pdf
Data publikacji:
2013
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
szereg czasowy
predykcja ważona
regresja wektorów wspierających metodą najmniejszych kwadratów (LS-SVR)
uczenie wielojądrowe (MKL)
time series
weighted prediction
least squares support vector regression (LS-SVR)
multiple kernel learning (MKL)
Opis:
Least squares support vector regression (LS-SVR) has been widely applied in time series prediction. Based on the case that one fault mode may be represented by multiple relevant time series, we utilize multiple time series to enrich the prediction information hiding in time series data, and use multi-kernel to fully map the information into high dimensional feature space, then a weighted time series prediction method with multi-kernel LS-SVR is proposed to attain better prediction performance in this paper. The main contributions of this method include three parts. Firstly, a simple approach is proposed to determine the combining weights of multiple basis kernels; Secondly, the internal correlative levels of multiple relevant time series are computed to present the different contributions of prediction results; Thirdly, we propose a new weight function to describe each data's different effect on the prediction accuracy. The experiment results indicate the effectiveness of the proposed method in both better prediction accuracy and less computation time. It maybe has more application value.
Regresja wektorów wspierających metodą najmniejszych kwadratów (LS-SVR) jest szeroko stosowana w predykcji szeregów czasowych. Opierając się na fakcie, że jeden rodzaj niezdatności może być reprezentowany przez wiele relewantnych szeregów czasowych, w niniejszej pracy wykorzystano wielokrotne szeregi czasowe do wzbogacenia informacji predykcyjnych ukrytych w szeregach czasowych oraz posłużono się metodą uczenia wielojądrowego (multi-kernel) w celu mapowania informacji do wysoko wymiarowej przestrzeni cech, a następnie zaproponowano metodę ważonej predykcji wielokrotnych szeregów czasowych z wykorzystaniem wielojądrowej regresji LS-SVR służącą osiągnięciu lepszej wydajności prognozowania.Metoda składa się z trzech głównych części. Po pierwsze, zaproponowano prosty sposób określania łącznej wagi wielu jąder podstawowych. Po drugie, obliczono wewnętrzne poziomy korelacyjne wielokrotnych szeregów czasowych w celu przedstawienia różnego udziału wyników prognozowania. Po trzecie, zaproponowano nową funkcję wagi do opisu różnego wpływu poszczególnych danych na trafność predykcji. Wyniki doświadczenia wskazują na skuteczność proponowanej metody zarówno jeśli chodzi o lepszą trafność predykcji jak i krótszy czas obliczeniowy. Proponowane rozwiązanie ma potencjalnie dużą wartość aplikacyjną.
Źródło:
Eksploatacja i Niezawodność; 2013, 15, 2; 188-194
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
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