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 "model prognozowania" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Prognozowanie przewozów w regionie sieci transportowej
    Traffic prognose in transportation region
    Autorzy:
    Cisowski, T.
    Stokłosa, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/249725.pdf
    Data publikacji:
    2014
    Wydawca:
    Instytut Naukowo-Wydawniczy TTS
    Tematy:
    prognozowanie
    transport kolejowy
    sieć transportowa
    model prognozowania
    transport
    forecasting
    rail
    transport network
    forecasting model
    Opis:
    Prognozowanie jest określeniem możliwego przebiegu procesu w przyszłości na bazie informacji pochodzących z przeszłości. Prognozowanie dotyczy różnych dziedzin wiedzy, w tym logistyki i transportu. W zależności od celu prognozy, dziedziny wiedzy, struktury i zakresu informacji o przeszłości można stosować różne metody i modele prognozowania.
    Źródło:
    TTS Technika Transportu Szynowego; 2014, 9; 36-38
    1232-3829
    2543-5728
    Pojawia się w:
    TTS Technika Transportu Szynowego
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie rozmytej mapy kognitywnej w prognozowaniu efektywności pracy wypożyczalni rowerowych
    Application of fuzzy cognitive map to predict of effectiveness of bike sharing systems
    Autorzy:
    Jastriebow, A.
    Kubuś, Ł.
    Poczęta, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/408030.pdf
    Data publikacji:
    2017
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    rozmyta mapa kognitywna
    model prognozowania
    obliczenia ewolucyjne
    uczenie maszynowe
    fuzzy cognitive map
    predictive model
    evolutionary computation
    machine learning
    Opis:
    W pracy zaproponowano zastosowanie rozmytej mapy kognitywnej wraz z ewolucyjnymi algorytmami uczenia do modelowania systemu prognozowania efektywności pracy wypożyczalni rowerowych. Na podstawie danych historycznych zbudowano rozmytą mapę kognitywną, którą następnie zastosowano do prognozowania liczby rowerzystów i klientów wypożyczalni w trzech kolejnych dniach. Proces uczenia zrealizowano z zastosowaniem indywidualnego kierunkowego algorytmu ewolucyjnego IDEA oraz algorytmu genetycznego z kodowaniem zmiennoprzecinkowym RCGA. Analizę symulacyjną systemu prognozowania efektywności pracy wypożyczalni rowerowych przeprowadzono przy pomocy oprogramowania opracowanego w technologii JAVA.
    This paper proposes application of fuzzy cognitive map with evolutionary learning algorithms to model a system for prediction of effectiveness of bike sharing systems. Fuzzy cognitive map was constructed based on historical data and next used to forecast the number of cyclists and customers of bike sharing systems on three consecutive days. The learning process was realized with the use of Individually Directional Evolutionary Algorithm IDEA and Real-Coded Genetic Algorithm RCGA. Simulation analysis of the system for prediction of effectiveness of bike sharing systems was carried out with the use of software developed in JAVA.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2017, 7, 4; 70-73
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Model regresji wilgotności ściółki w zależności od warunków meteorologicznych
    Autorzy:
    Szczygieł, R.
    Ubysz, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/373107.pdf
    Data publikacji:
    2009
    Wydawca:
    Centrum Naukowo-Badawcze Ochrony Przeciwpożarowej im. Józefa Tuliszkowskiego
    Tematy:
    czynnik meteorologiczny
    model prognozowania
    model regresji wilgotności ściółki leśnej
    zagrożenie pożarowe
    fire hazard
    forecasting model
    meteorological factor
    regression models permitting forecasting
    Opis:
    Artykuł przedstawia badania dotyczące modelu regresji wilgotności ściółki leśnej w zależności od różnych warunków meteorologicznych. Mogą one zostać użyte szacowania niebezpieczeństwa pożarowego lasu. Do testów statystycznych wykorzystano program STATA 9.
    The paper presents regression models permitting forecasting the flammable material humidity (Scots pine /Pinus silvestris L. litter) depending on meteorological parameters. The equations developed may be used for forest fire danger assessment. For statistical tests, the STATA 9 program was used.
    Źródło:
    Bezpieczeństwo i Technika Pożarnicza; 2009, 4; 45-82
    1895-8443
    Pojawia się w:
    Bezpieczeństwo i Technika Pożarnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Użyteczność modeli parametrycznych i sztucznych sieci neuronowych w prognozowaniu kosztów produkcji
    The usefulness of parametric models and artificial neural networks in the estimation of production costs
    Autorzy:
    Leszczyński, Zbigniew
    Jasiński, Tomasz
    Powiązania:
    https://bibliotekanauki.pl/articles/953077.pdf
    Data publikacji:
    2017
    Wydawca:
    Stowarzyszenie Księgowych w Polsce
    Tematy:
    model prognozowania kosztów
    prognozowanie parametryczne
    sztuczne sieci neuronowe
    koszty prognozowane
    model of cost estimation
    parametric estimation
    artificial neural neurons
    estimated costs
    Opis:
    Celem artykułu jest analiza użyteczności modeli parametrycznych i sztucznych sieci neuronowych w prognozowaniu kosztów produkcji. Prognozowane koszty produkcji stanowią fundamentalną determinantę dla podejmowanych przez inżynierów decyzji technicznych i biznesowych związanych z zarządzaniem produkcją i kosztami produkcyjnymi. W pierwszej części artykułu przedstawiono ramy konceptualne budowy modelu prognozowania parametrycznego kosztów produkcji, wielowymiarowego o zależnościach liniowych i nieliniowych. Następnie omówiono istotę i zastosowanie sztucznych sieci neuronowych jako modelu – nieparametrycznego prognozowania kosztów produkcji. W obu częściach artykułu przeprowadzono badanie empiryczne z wykorzystaniem analizy regresji oraz sztucznych neuronów połączonych w sieci. Badanie empiryczne prezentuje procedury budowy modeli – parametrycznego i nieparametrycznego prognozowania kosztów produkcji oraz ich wady i zalety. W toku procedury badawczej przedstawiono zastosowanie analizowanych modeli prognozowania kosztów produkcji w określonym środowisku przemysłowym.
    The aim of the paper is to analyze parametric models and artificial neural networks in terms of their suitability as estimation tools of the production costs. Estimated production costs are a fundamental determinant of the decision-making process by costs engineers relating to design and management costs of new products, infrastructure projects and production lines. The first part of the paper presents a conceptual framework for the construction of a model of production costs parametric estimation, multi-dimensional with linear and nonlinear dependency. It then discusses the nature and use of artificial neural networks as nonparametric estimates of production costs. In both parts of the article, an empirical study is conducted with the use of adequate statistical methods and artificial neurons. This study presents procedures for construction of models of parametric and nonparametric estimation of production costs and discusses their advantages and disadvantages. It also presents the application and usefulness of both models for estimating production costs in production environment.
    Źródło:
    Zeszyty Teoretyczne Rachunkowości; 2017, 91(147); 87-112
    1641-4381
    2391-677X
    Pojawia się w:
    Zeszyty Teoretyczne Rachunkowości
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Combined modelling for iron ore demand forecasting with intelligent optimization algorithms
    Modelowanie do prognozowania popytu na rudę żelaza połączone z inteligentnymi algorytmami optymalizacji
    Autorzy:
    Ren, Min
    Dai, Jianyong
    Zhu, Wancheng
    Dai, Feng
    Powiązania:
    https://bibliotekanauki.pl/articles/1849620.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    iron ore demand
    combined model
    intelligent optimization algorithm
    forecasting accuracy
    ruda żelaza
    model połączony
    inteligentny algorytm optymalizacji
    dokładność prognozowania
    Opis:
    The stable supply of iron ore resources is not only related to energy security, but also to a country’s sustainable development. The accurate forecast of iron ore demand is of great significance to the industrialization development of a country and even the world. Researchers have not yet reached a consensus about the methods of forecasting iron ore demand. Combining different algorithms and making full use of the advantages of each algorithm is an effective way to develop a prediction model with high accuracy, reliability and generalization performance. The traditional statistical and econometric techniques of the Holt–Winters (HW) non-seasonal exponential smoothing model and autoregressive integrated moving average (ARIMA) model can capture linear processes in data time series. The machine learning methods of support vector machine (SVM) and extreme learning machine (ELM) have the ability to obtain nonlinear features from data of iron ore demand. The advantages of the HW, ARIMA, SVM, and ELM methods are combined in various degrees by intelligent optimization algorithms, including the genetic algorithm (GA), particle swarm optimization (PSO) algorithm and simulated annealing (SA) algorithm. Then the combined forecast models are constructed. The contrastive results clearly show that how a high forecasting accuracy and an excellent robustness could be achieved by the particle swarm optimization algorithm combined model, it is more suitable for predicting data pertaining to the iron ore demand.
    Stabilne dostawy zasobów rudy żelaza związane są nie tylko z bezpieczeństwem energetycznym, ale także ze zrównoważonym rozwojem kraju. Dokładna prognoza zapotrzebowania na rudę żelaza ma ogromne znaczenie dla rozwoju industrializacji kraju, a nawet świata. Naukowcy nie osiągnęli jeszcze konsensusu co do metod prognozowania popytu na rudę żelaza. Łączenie różnych algorytmów i pełne wykorzystanie zalet każdego algorytmu to skuteczny sposób na opracowanie modelu predykcyjnego o wysokiej dokładności i niezawodności. W tej publikacji, model Holta-Wintersa (HW) do wygładzania szeregów czasowych, w których występują wahania przypadkowe, jak również autoregresyjny zintegrowany model średniej ruchomej (ARIMA), a także maszyna wektorów nośnych (SVM) i maszyna do ekstremalnego uczenia się (ELM), zostały połączone w celu uchwycenia różnych relacji i charakterystyk na podstawie danych szeregów czasowych, aby dokładnie przewidzieć zapotrzebowanie na rudę żelaza. Zalety czterech algorytmów są w różnym stopniu łączone przez inteligentne algorytmy optymalizacji, w tym algorytm genetyczny, algorytm optymalizacji roju cząstek oraz algorytm symulowanego wyżarzania. Następnie konstruowane są połączone modele. Kontrastowe wyniki wyraźnie pokazują, w jaki sposób można osiągnąć wysoką dokładność prognozowania i doskonałą solidność za pomocą połączonego modelu algorytmu genetycznego. Model taki jest bardziej odpowiedni do przewidywania danych dotyczących zapotrzebowania na rudę żelaza. Opierając się na prognozowanych wynikach połączonego modelu algorytmu genetycznego, możemy stwierdzić, że oczekuje się, iż krajowy popyt na rudę żelaza będzie w przyszłości wykazywał tendencję rozwojową w postaci trwałego, ale powolnego wzrostu.
    Źródło:
    Gospodarka Surowcami Mineralnymi; 2021, 37, 1; 21-38
    0860-0953
    Pojawia się w:
    Gospodarka Surowcami Mineralnymi
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Combined modelling for iron ore demand forecasting with intelligent optimization algorithms
    Modelowanie do prognozowania popytu na rudę żelaza połączone z inteligentnymi algorytmami optymalizacji
    Autorzy:
    Ren, Min
    Dai, Jianyong
    Zhu, Wancheng
    Dai, Feng
    Powiązania:
    https://bibliotekanauki.pl/articles/1849613.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    iron ore demand
    combined model
    intelligent optimization algorithm
    forecasting accuracy
    ruda żelaza
    model połączony
    inteligentny algorytm optymalizacji
    dokładność prognozowania
    Opis:
    The stable supply of iron ore resources is not only related to energy security, but also to a country’s sustainable development. The accurate forecast of iron ore demand is of great significance to the industrialization development of a country and even the world. Researchers have not yet reached a consensus about the methods of forecasting iron ore demand. Combining different algorithms and making full use of the advantages of each algorithm is an effective way to develop a prediction model with high accuracy, reliability and generalization performance. The traditional statistical and econometric techniques of the Holt–Winters (HW) non-seasonal exponential smoothing model and autoregressive integrated moving average (ARIMA) model can capture linear processes in data time series. The machine learning methods of support vector machine (SVM) and extreme learning machine (ELM) have the ability to obtain nonlinear features from data of iron ore demand. The advantages of the HW, ARIMA, SVM, and ELM methods are combined in various degrees by intelligent optimization algorithms, including the genetic algorithm (GA), particle swarm optimization (PSO) algorithm and simulated annealing (SA) algorithm. Then the combined forecast models are constructed. The contrastive results clearly show that how a high forecasting accuracy and an excellent robustness could be achieved by the particle swarm optimization algorithm combined model, it is more suitable for predicting data pertaining to the iron ore demand.
    Stabilne dostawy zasobów rudy żelaza związane są nie tylko z bezpieczeństwem energetycznym, ale także ze zrównoważonym rozwojem kraju. Dokładna prognoza zapotrzebowania na rudę żelaza ma ogromne znaczenie dla rozwoju industrializacji kraju, a nawet świata. Naukowcy nie osiągnęli jeszcze konsensusu co do metod prognozowania popytu na rudę żelaza. Łączenie różnych algorytmów i pełne wykorzystanie zalet każdego algorytmu to skuteczny sposób na opracowanie modelu predykcyjnego o wysokiej dokładności i niezawodności. W tej publikacji, model Holta-Wintersa (HW) do wygładzania szeregów czasowych, w których występują wahania przypadkowe, jak również autoregresyjny zintegrowany model średniej ruchomej (ARIMA), a także maszyna wektorów nośnych (SVM) i maszyna do ekstremalnego uczenia się (ELM), zostały połączone w celu uchwycenia różnych relacji i charakterystyk na podstawie danych szeregów czasowych, aby dokładnie przewidzieć zapotrzebowanie na rudę żelaza. Zalety czterech algorytmów są w różnym stopniu łączone przez inteligentne algorytmy optymalizacji, w tym algorytm genetyczny, algorytm optymalizacji roju cząstek oraz algorytm symulowanego wyżarzania. Następnie konstruowane są połączone modele. Kontrastowe wyniki wyraźnie pokazują, w jaki sposób można osiągnąć wysoką dokładność prognozowania i doskonałą solidność za pomocą połączonego modelu algorytmu genetycznego. Model taki jest bardziej odpowiedni do przewidywania danych dotyczących zapotrzebowania na rudę żelaza. Opierając się na prognozowanych wynikach połączonego modelu algorytmu genetycznego, możemy stwierdzić, że oczekuje się, iż krajowy popyt na rudę żelaza będzie w przyszłości wykazywał tendencję rozwojową w postaci trwałego, ale powolnego wzrostu.
    Źródło:
    Gospodarka Surowcami Mineralnymi; 2021, 37, 1; 21-38
    0860-0953
    Pojawia się w:
    Gospodarka Surowcami Mineralnymi
    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