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 "predykcja" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 111
Tytuł:
Zastosowanie przesuwnego okna czasowego do adaptacji modelu prognozowania zapotrzebowania na ciepło dla miejskiej sieci ciepłowniczej
Autorzy:
Bujalski, Maciej
Madejski, Paweł
Fuzowski, Krzysztof
Powiązania:
https://bibliotekanauki.pl/articles/37219078.pdf
Data publikacji:
2020
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
predykcja zapotrzebowania na ciepło
uogólniony model addytywny GAM
przesuwne okno czasowe
Opis:
System ciepłowniczy oparty o elektrociepłownię zasilającą miejską sieć ciepłowniczą stanowi powszechną formę dystrybucji ciepła w dużych obszarach miejskich w Polsce. Głównym elementem optymalizacji pracy systemu jest krótkoterminowe planowanie produkcji energii w kogeneracji (do kilku dni naprzód), a podstawową daną wejściową do tego procesu jest godzinowa prognoza zapotrzebowania na ciepło. Dobowy profil obciążenia cieplnego zmienia się w zależności od zmiany parametrów pogodowych, charakteru poboru ciepła przez odbiorców, a także na skutek dynamiki sieci ciepłowniczej pod wpływem zmiennych warunków eksploatacyjnych. W referacie przedstawiono wyniki obliczeń z opracowanego modelu zapotrzebowania na ciepło, z wykorzystaniem metody uogólnionego modelu addytywnego GAM. Opisano sposób budowy modelu predykcyjnego i procedurę jego adaptacji w oparciu o zastosowanie przesuwnego okna czasowego z danymi uczącymi model. Przedstawione wyniki uzyskano na podstawie danych pochodzących z rzeczywistego systemu ciepłowniczego, o szczytowym zapotrzebowaniu na poziomie około 200 MWt. Analizie poddano wpływ rozmiaru okna treningowego modelu (liczba dób w przedziale od kilku do kilkunastu) na błąd predykcji w horyzoncie doby następnej, podczas różnych okresów sezonu grzewczego. W rezultacie otrzymano model o średnio-sezonowym błędzie około 8%. Wykazano, że zastosowanie adaptacji z relatywnie krótkim oknem treningowym uczącym model może istotnie zwiększyć jego dokładność w okresach przejściowych (kwiecień-maj), gdzie kluczowe warunki wpływające na pracę sieci zmieniają się dynamicznie i w trudny do przewidzenia sposób.
Źródło:
Zeszyty Energetyczne; 2020, 7; 267-279
2658-0799
Pojawia się w:
Zeszyty Energetyczne
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie metodologii FMECA do budowy struktur systemów mechatronicznych, zorientowanych na predykcję stanów
An application of the FMECA methodology to build of structures of mechatronic systems oriented on states prediction
Autorzy:
Hetmańczyk, M. P.
Powiązania:
https://bibliotekanauki.pl/articles/276518.pdf
Data publikacji:
2013
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
diagnostyka
monitorowanie
predykcja stanów
systemy rozproszone
metodologia FMECA
diagnosis
monitoring
states prediction
distributed systems
FMECA methodology
Opis:
Artykuł przedstawia ocenę wykorzystania metodologii FMECA do analizy pracy rozproszonych systemów przemysłowych, w których występuje możliwość zdefiniowania jednorodnej struktury zależności między bieżącymi stanami a wywoływanymi przez nie skutkami Opisywany sposób zastosowania metodologii FMECA, w przypadku przedstawionych kryteriów, odbiega od tradycyjnego ujęcia metody. Pozwala jednak na zbudowanie modelu prognostycznego, bazującego na wiedzy eksperckiej w odniesieniu do opracowanych już aplikacji. Ponadto proponowana koncepcja stanowi spójny element z prezentowanym przez autora Komputerowym Systemem Sterowania i Diagnostyki Napędów Rozproszonych [1–3], który stanowi podbudowę do opracowania opisywanej koncepcji.
The paper presents an evaluation of the FMECA methodology used to analysis of a course of the work of distributed industrial systems, where exist the possibility of a definition of a uniform structure of relationships between the current states, and effects caused by them. Described manner of utilization of the FMECA methodology, in case of selected criterions, differs from the traditional consideration of the method. It allows, however, to evaluation of a predictive model, based on expert knowledge in relation to the already developed applications. In addition, the proposed approach is element consistent with presented by the author Computer Control and Diagnostics System of Distributed Drives, which is the foundation for the development of the described method.
Źródło:
Pomiary Automatyka Robotyka; 2013, 17, 2; 386-389
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie metod modelowania parametrycznego do estymacji parametrów sygnałów sinusoidalnych tłumionych
Application of parametric modeling methods for estimation of damping sinusoidal signals parameters
Autorzy:
Figoń, P.
Powiązania:
https://bibliotekanauki.pl/articles/208848.pdf
Data publikacji:
2017
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
predykcja liniowa
optymalizacja
sygnał analityczny
modeling
digital filter
autocorrelation function
Opis:
W artykule opisano wyniki analiz, których celem było uzyskanie informacji o wybranych parametrach składowej deterministycznej sygnału będącego sumą dwóch komponentów – sinusoidalnego tłumionego wykładniczo oraz stochastycznego.
The paper describes the results of analyzes aimed at obtaining information on selected parameters of the deterministic component of the signal being the sum of two waveforms - sinusoidal dampened exponentially and the white noise pattern. The results obtained were compared with the fact that the criterion used was the amount of deviation from the known parameters of the analyzed signals.
Źródło:
Biuletyn Wojskowej Akademii Technicznej; 2017, 66, 4; 179-193
1234-5865
Pojawia się w:
Biuletyn Wojskowej Akademii Technicznej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Z badań nad wykorzystaniem rafinacji informacji sieciowej Wybory prezydenckie i parlamentarne 2015
From the research – refining the information from the net Presidential and parliamentary elections in 2015
Autorzy:
Gogołek, Włodzimierz
Jaruga, Dariusz
Kowalik, Krzysztof
Celiński, Piotr
Powiązania:
https://bibliotekanauki.pl/articles/484403.pdf
Data publikacji:
2015
Wydawca:
Uniwersytet Warszawski. Wydział Dziennikarstwa, Informacji i Bibliologii
Tematy:
Big Data
rafinacja informacji
polityka
wybory
predykcja
źródło informacji
refining of information
politics
elections
prediction
the source of information
Opis:
Dzięki nowym technologiom informacyjnym możliwe stało się gromadzenie gigantycznych zbiorów informacji (Big Data, głównie sieciowych) i ich niestandardowa analiza – rafinacja informacji. Jej wynik jest cennym, tanim w uzyskaniu, nowym źródłem danych. Tworzą one wartościowy obraz przeszłości, czasu rzeczywistego i predykcji. Dowodzą tego m.in. wyniki badań dotyczących aktywności politycznej – wyborów prezydenckich i parlamentarnych w Polsce (2011, 2015).
The new information technology makes a chance to collect enormous collections of information (Big Data, especially from the net) and to make their custom analysis – refining the information. The result is a valuable and inexpensive to obtain, the new source of the data. The data provide a genuine picture of the past, the real-time picture and the predictions. This is confi rmed by, among others, results of research on political activity during presidential and parliamentary elections in Poland (2011, 2015).
Źródło:
Studia Medioznawcze; 2015, 3 (62); 31-40
2451-1617
Pojawia się w:
Studia Medioznawcze
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie technik sztucznych sieci neuronowych do predykcji wybranych parametrów jako uzupełnienia zbioru danych wejściowych w konstrukcji modeli parametrycznych 3D
The use of artificial neural network techniques to predict selected parameters as a supplement to the input data set in the construction of 3D parametric models
Autorzy:
Kaczmarczyk, Weronika
Brodzicki, Andrzej
Powiązania:
https://bibliotekanauki.pl/articles/2143629.pdf
Data publikacji:
2021
Wydawca:
Instytut Nafty i Gazu - Państwowy Instytut Badawczy
Tematy:
predykcja 1D
sieci neuronowe
estymacja parametryczna
modelowanie 3D
charakterystyka złoża węglowodorów
1D prediction
artificial neural network
parametrical estimation
3D modeling
hydrocarbon reservoir characterization
Opis:
W artykule przedstawiono możliwości wykorzystania sztucznych sieci neuronowych (SSN) do predykcji parametrycznej w profilach otworów wiertniczych, której zastosowanie uzupełniło zestaw informacji we wszystkich otworach wiertniczych zlokalizowanych w obrębie analizowanego obszaru. Zaprezentowana w artykule metodologia może być użyta w przypadku braku możliwości specjalistycznej interpretacji krzywych geofizyki wiertniczej, uzupełniającej brakujące dane. Zestaw wykorzystanych w pracy danych obejmował rozwiązania w profilach 10 otworów wiertniczych, z których cztery otwory charakteryzowały się pełnym zestawem danych analizowanych w ramach niniejszego artykułu, obejmujących prędkość fali podłużnej, porowatość efektywną, nasycenie węglowodorami, moduł Younga i współczynnik Poissona. Wykorzystując technikę działania sztucznych sieci neuronowych, przeprowadzono predykcję brakujących informacji, bazując na relacjach pomiędzy analizowanymi parametrami w otworach, gdzie estymowane dane były dostępne. W ostatnich latach obserwuje się dynamiczny rozwój technologii szeroko pojętego uczenia maszynowego (ang. machine learning) i tak zwanej sztucznej inteligencji. Niewiele pozostaje dziedzin nauki, w których nie miałyby one zastosowania. Tak jest również w branży naftowo-gazowniczej. Parametr nasycenia węglowodorami, pomimo wyzwań, jakie niesie za sobą interpretacja tego parametru, również został poddany próbie estymacji, potwierdzając niskimi wartościami korelacji pomiędzy analizowanymi parametrami, że wymaga zdecydowanie bardziej zaawansowanych prac o indywidualnym charakterze. Wyniki predykcji parametrycznej, poddane wcześniej walidacji poprzez charakterystykę parametrów R (różnica pomiędzy wartością rzeczywistą a estymowaną) i RMSE (pierwiastek błędu średniokwadratowego), zostały w kolejnym kroku zaaplikowane w procesie modelowania przestrzennego wszystkich analizowanych parametrów. Finalnie, w celu wizualizacji różnic pomiędzy wykorzystaniem niepełnego i po części estymowanego zestawu danych w analizie przestrzennej, zaprezentowano mapę średnich wartości wybranego parametru w obrębie analizowanego interwału stratygraficznego. Tak przygotowany zestaw danych pozwolił na bardziej wiarygodne odtworzenie przestrzenne rozkładu parametrów istotnych w kontekście charakterystyki złoża węglowodorów, na podstawie którego w kolejnych etapach możliwa jest wiarygodniejsza ocena potencjału złożowego analizowanego obiektu. Zaprezentowana w artykule metodyka, oparta na rozwiązaniu rzeczywistego problemu badawczego, stanowi alternatywę, dla koszto- i czasochłonnych interpretacji geofizycznych, niekiedy znacznych liczb otworów wiertniczych, szczególnie dla obszarów charakteryzujących się relatywnie niewielką przestrzenną zmiennością i złożonością tektoniczną. Warunkiem jest dostępność interpretacji danych geofizyki wiertniczej w co najmniej kilku otworach stanowiącej wzorzec dla odtworzenia zmienności badanego parametru/parametrów w pozostałych profilach otworów wiertniczych.
The article presents the possibilities of using artificial neural networks for parametric prediction in borehole profiles, the application of which supplemented the set of information in all boreholes located within the analyzed area. The approach presented in the article will be used when there is no possibility of specialized interpretation of the drilling geophysics curves, supplementing the missing data. The set of data used in the study included solutions in the profiles of 10 boreholes, four of which were characterized by the availability of the full data set analyzed in this article, including compressional wave velocity, effective porosity, hydrocarbon saturation, Young’s modulus and Poisson’s ratio. Using the technique of the operation of artificial neural networks, a prediction of missing information was carried out based on the relationships between the analyzed parameters in the wells, where the estimated data was available. In recent years, there has been a dynamic development of machine learning technology and the so-called artificial intelligence. There are very few fields of science in which they find no application. The hydrocarbon saturation parameter, despite the challenges posed by the interpretation of this parameter, was also subjected to an estimation attempt, confirming the low correlation values between the analyzed parameters and requiring much more advanced work of an individual nature. The results of parametric prediction, previously validated by characterizing the R and RMSE parameters, were applied in the next step in the spatial modeling process of all analyzed parameters. Finally, as part of the visualization of the differences between the use of an incomplete and partially estimated data set in spatial analysis, a map of mean values of the selected parameter within the analyzed interval was presented. The set of data prepared in this way allowed for a more reliable spatial reconstruction of the distribution of parameters important in the context of the characteristics of the hydrocarbon reservoir, on the basis of which, in the subsequent stages, it is possible to more fully assess the deposit potential of the analyzed object. The methodology presented in the article, supported by a real case study, is an alternative to geophysical interpretations that require financial and time resources, sometimes large numbers of boreholes, especially for areas characterized by relatively low spatial variability and tectonic complexity. The condition is the availability of the interpretation in at least several boreholes, constituting a pattern for recreating the variability of the tested parameter / parameters in the remaining profiles of the boreholes.
Źródło:
Nafta-Gaz; 2021, 77, 7; 429-445
0867-8871
Pojawia się w:
Nafta-Gaz
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie sztucznych sieci neuronowych typu RBF do predykcji plonu wybranych roślin zbożowych
The use of artificial neuronal networks of the RBF type for prediction of yield of chosen cereal plants
Autorzy:
Boniecki, P.
Powiązania:
https://bibliotekanauki.pl/articles/335789.pdf
Data publikacji:
2005
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
sztuczna sieć neuronowa
RBF
predykcja
plon
zboże
symulacja komputerowa
artificial neural network
prediction
yield
cereal plant
computer simulation
Opis:
Pojawiające się ostatnio metody, mające cechy sztucznej inteligencji, pozwalają na budowę modeli symulacyjnych, które realizują postawione zadania w oparciu o wzorce zaczerpnięte bezpośrednio z obserwacji przyrody [1]. Szczególną grupę stanowią techniki przetwarzania oparte na sztucznych sieciach neuronowych, będące w istocie komputerowymi symulatorami pracy mózgu [3]. Za pomocą modeli neuronowych można m.in. dokonać predykcji wielkości plonów płodów rolnych w oparciu o posiadane empiryczne dane, dotyczące zbiorów w latach ubiegłych. W pracy proponuje się wykorzystanie technik predykcyjnych, jakie m.in. reprezentują wybrane topologie sieci neuronowych, w szczególności sieci neuronowe typu RBF (Radial Basis Functions).
Appearing recently methods, having guilds of artificial intelligence, permit on building of simulating models which realize assigned tasks on the basis of patterns taken directly with nature observation [1]. The processing techniques based on artificial neural networks create a special group, being in fact a computer simulators of brain work [3]. With the help of neuronal models it is possible to predict the expected crops yield on the basis of empirical data regarding crop yields in last summers. This work proposes utilization of prediction methods, which represent chosen topologies of neuronal nets among others, the RBF (Radial Basis Functions) neural network peculiarly.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2005, 50, 2; 15-19
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie informacji geograficznej w kryminalistyce
The use of geographic information in criminology
Autorzy:
Kaczmarek, I.
Olejniczak, D.
Szostak, M.
Iwaniak, A.
Powiązania:
https://bibliotekanauki.pl/articles/346463.pdf
Data publikacji:
2016
Wydawca:
Polskie Towarzystwo Informacji Przestrzennej
Tematy:
analiza czasowo-przestrzenna
GIS
predykcja w kryminalistyce
grafowe bazy danych
spatiotemporal analyses
prediction in criminology
graph databases
Opis:
Kryminalistyka jest nauką, która zajmuje się zarówno wykrywaniem przestępstw, jak również przewidywaniem oraz zapobieganiem powstawaniu i rozwojowi przestępczości. Już w XIX wieku lokalizacja miejsca przestępstwa była jednym z najważniejszych zadań wykrywczych organów ścigania. Niespełna sto lat później zaczęto wykorzystywać systemy informacji geograficznej w celu szybszego rozpoznawania i wykrywania sprawców przestępstw, prognozowania ich przestępczych zachowań, jak również planowania efektywniejszej dyslokacji patroli policyjnych. W artykule autorzy dokonują przeglądu metod i możliwości wykorzystania narzędzi GIS w rozpoznawaniu, wykrywaniu, dowodzeniu i przeciwdziałaniu (profilaktyce i prewencji) zachowań przestępczych. Przedstawiają także potencjalne możliwości wykorzystania grafowych baz danych, na przykład dla potrzeb tworzenia wersji kryminalistycznej, profilowania kryminalnego czy też w analizie kryminalnej.
Criminology is a science that deals not only with the detection of crimes, but also with prediction and prevention of their emergence and development. As early as in the 19th century location of a crime was one of the most important tasks of law enforcement investigations. Less than a hundred years later, GIS began to be used in order to faster recognise and detect offenders, predicting their criminal behaviour, as well as for planning efficient dislocation of police patrols. In the article, the authors review the methods and possibilities to use GIS for crime recognition, detection, command and prevention. They also show the potential use of graph databases, e.g. for the purpose of criminal profiling or in the crime analysis.
Źródło:
Roczniki Geomatyki; 2016, 14, 3(73); 363-373
1731-5522
2449-8963
Pojawia się w:
Roczniki Geomatyki
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wyjaśnianie naukowe i rozumienie a epistemologiczne problemy badań nad turystyką (rozważania na kanwie teorii Kurta Lewina i Johna Tribe’a)
Autorzy:
Alejziak, Wiesław
Powiązania:
https://bibliotekanauki.pl/articles/627936.pdf
Data publikacji:
2019
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
turystyka
badania nad turystyką
teoria
typologia
wyjaśnianie
rozumienie
predykcja
epistemologia
Opis:
W artykule scharakteryzowano istotę oraz różne modele wyjaśniania naukowego i eksplanacyjne walory rozumienia, wskazując na ich użyteczność oraz ograniczenia w poznawaniu praw i mechanizmów rządzących turystyką. Szczególną uwagę zwrócono na epistemologiczny wymiar dorobku wyłaniającego się z dotychczasowych badań i studiów nad turystyką, starając się ukazać nowe kierunki badań w tym zakresie. W pracy odwołano się do dwóch modeli rozważań o epistemologicznych aspektach badań nad turystyką, w których centralne miejsce zajmuje kategoria prawdy o turystyce, a które przedstawione zostały w dwóch artykułach J. Tribe’a.
Źródło:
Turyzm; 2019, 29, 2; 1-19
0867-5856
2080-6922
Pojawia się w:
Turyzm
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wybrane zagadnienia analizy szeregów czasowych
Autorzy:
Adamski, Krzysztof
Powiązania:
https://bibliotekanauki.pl/articles/23943132.pdf
Data publikacji:
2023-12
Wydawca:
Warszawska Wyższa Szkoła Informatyki
Tematy:
Szeregi czasowe
Analiza techniczna
Predykcja
Uczenie maszynowe
Sieci neuronowe
Opis:
Artykuł obejmuje przegląd wybranych zagadnień związanych z analizą i predykcją szeregów czasowych zawierających dane z notowaniami giełdowymi. Przedstawiona została taksonomia szeregów czasowych oraz scharakteryzowane główne kierunki spotykane w analizie danych giełdowych. Szerzej opisane zostały wybrane narzędzia analizy technicznej. W kolejnych rozdziałach dokonany został przegląd wybranych metod uczenia maszynowego, zarówno metod algorytmicznych jak i metod wykorzystujących sieci neuronowe, przydatnych w analizie i predykcji szeregów czasowych.
Źródło:
Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki; 2023, 17, 29; 7-104
1896-396X
2082-8349
Pojawia się w:
Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wprowadzenie do predykcji z wykorzystaniem sztucznych sieci neuronowych i metod statystycznych
An introduction to prediction with the use of artificial neural networks and statistical methods
Autorzy:
Nawrocka, Monika
Drozd, Miłosz
Maszczyk, Adam
Gołaś, Artur
Powiązania:
https://bibliotekanauki.pl/articles/459999.pdf
Data publikacji:
2015
Wydawca:
Fundacja Pro Scientia Publica
Tematy:
predykcja
analiza statystyczna
regresja
optymalizacja
szeregi czasowe
sieci neuronowe
prediction
statistical analysis
regression
optimization
time series
neural networks
Opis:
Podejście statystyczne umożliwia prowadzenie prognoz zdarzeń lub procesów. Wyróżnia się modele regresyjne liniowe i nieliniowe, modele szeregów czasowych oraz modele neuronowe. Predykcja określa przewidywanie przyszłych cech statystycznych zdarzeń losowych, które można zmierzyć. Wyznacza prognozy dla maksymalizacji. Korzyści, jakie wynikają z prognozowania, to: porównywanie, grupowanie, analizowanie zmienności, określania trendów oraz wyznaczania prognoz uzyskanych wyników, z wykorzystaniem optymalnego wektora zmiennych niezależnych predyktorów do wyciągania sukcesywnych wniosków.
The statistical approach allows the introduction of predictions of events or processes. Among these are linear and nonlinear regression models, time series models and neural models. Prediction is defined by the anticipation of future statistical characteristics of random events which can be measured, and designates forecasts for maximizing. The benefits which stem from prediction are comparison, grouping, analysis of variation, determinion of trends and setting forecasts of the results obtained with the use of an optimal vector of independent variables predictors for drawing successive conclusions.
Źródło:
Ogrody Nauk i Sztuk; 2015, 5; 203-211
2084-1426
Pojawia się w:
Ogrody Nauk i Sztuk
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wielomianowa generacja danych w analizie falkowej
Polynomial generation data wavelet analysis
Autorzy:
Hadaś-Dyduch, Monika
Powiązania:
https://bibliotekanauki.pl/articles/589757.pdf
Data publikacji:
2016
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
Analiza falkowa
Falki
Predykcja
Transformata falkowa
Prediction
Wavelet
Wavelet analysis
Wavelet transform
Opis:
Celem badania jest ocena wpływu zaproponowanej metody generacji dodatkowych elementów szeregu na dokładność prognozy. Generowane, dodatkowe elementy szeregu służą do wyznaczenia współczynników, z których wyznacza się współczynniki transformaty falkowej na pierwszym poziomie rozdzielczości falki. Celem oceny wielomianowej metody rozszerzenia danych wykonano predykcję szeregu, prezentującego stopę bezrobocia państw strefy euro. Otrzymane wyniki zestawiono z bardziej trywialnymi metodami generacji dodatkowych elementów w transformacie falkowej.
The aim of the study is to assess the impact of the proposed method for the generation of additional elements series on the accuracy of the forecast. Generated a number of additional elements are used to determine the coefficients of which are determined coefficients of wavelet transform on the first level of resolution wavelets. In order to assess the polynomial method of data extension made prediction series, presenting the unemployment rate of the euro area. The results obtained with the more trivial methods of generation of additional elements in the wavelet transform.
Źródło:
Studia Ekonomiczne; 2016, 289; 42-50
2083-8611
Pojawia się w:
Studia Ekonomiczne
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
Tytuł:
Uniformity testing of complex technical system operation process statistical data sets
Testowanie jednorodności danych statystycznych procesu eksploatacji złożonego systemu technicznego
Autorzy:
Kołowrocki, K.
Soszyńska-Budny, J.
Powiązania:
https://bibliotekanauki.pl/articles/328962.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
operation process
data uniformity testing
identification
prediction
maritime transport
proces eksploatacji
testowanie jednorodności
identyfikacja
predykcja
transport morski
Opis:
The paper is concerned with the methods for statistical data uniformity testing and identifying unknown parameters of a general probability model of a complex technical system operation process and their practical application. The general model of a complex technical system operation process is constructed. The procedure of statistical data sets uniformity testing is proposed and applied to the empirical realizations of the system operation processes sojourn times at the operation states coming from the realizations of a maritime ferry operation process collected during spring and winter into separate two sets of data. After that, the identification of the maritime ferry technical system operation process is performed and moreover the identified process is applied to its operation characteristics prediction.
Artykuł dotyczy metod testowania jednorodności danych statystycznych oraz identyfikacji nieznanych parametrów ogólnego modelu probabilistycznego procesu eksploatacji złożonego systemu technicznego oraz ich praktycznego zastosowania. Skonstruowany jest model ogólny procesu eksploatacji złożonego systemu technicznego. Zaproponowana jest procedura testowania jednorodności zbiorów danych statystycznych i zastosowana do empirycznych realizacji czasów przebywania procesu eksploatacji systemu w stanach eksploatacyjnych pochodzących z realizacji procesu eksploatacji promu morskiego zebranych w czasie wiosny i zimy w dwóch oddzielnych zbiorach danych. Następnie, przeprowadzona jest identyfikacja procesu eksploatacji systemu technicznego promu morskiego, a ponadto zidentyfikowany proces eksploatacji jest zastosowany do promocji jego charakterystyk eksploatacyjnych.
Źródło:
Diagnostyka; 2016, 17, 1; 13-20
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Time-based machine failure prediction in multi-machine manufacturing systems
Algorytm wsparcia strategii tbm w wielomaszynowych systemach wytwórczych
Autorzy:
Sobaszek, Łukasz
Gola, Arkadiusz
Świć, Antoni
Powiązania:
https://bibliotekanauki.pl/articles/1365197.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
production system
maintenance
reliability
machine failure
prediction
Time-Based Maintenance
system produkcyjny
utrzymanie ruchu
niezawodność
awarie maszyn
predykcja
Opis:
The execution of production processes in real manufacturing systems is associated with the occurrence of numerous disruptions, which predominantly revolve around technological machine failure. Therefore, various maintenance strategies are being developed, many of which tend to emphasise effective preventive measures, such as the Time-Based Maintenance (TBM) discussed in this paper. Specifically, this publication presents the time-based machine failure prediction algorithm for the multi-machine manufacturing environment. The Introduction section outlines the body of knowledge related to typical strategies applied in maintenance. The next part describes an approach to failure prediction that treats processing times as makespan and is followed by highlighting the key role of historical data in machine failure management, in the subsequent section. Finally, the proposed time-based machine failure prediction algorithm is presented and tested by means of a two-step verification, which confirms its effectiveness and further practical implementation.
Realizacja procesów produkcyjnych w rzeczywistych systemach wytwórczych wiąże się z występowaniem wielu zakłóceń, do których zalicza się głównie awarie maszyn technologicznych. W związku z tym obserwowany jest rozwój różnorodnych strategii utrzymania ruchu. Coraz większy nacisk kładziony jest na efektywne działania prewencyjne, do których zalicza się także działania określone w czasie (ang. Time-Based Maintenance – TBM). W niniejszej publikacji zaprezentowano algorytm predykcji awarii maszyn w wielomaszynowych systemach wytwórczych wspierający prewencyjne utrzymanie ruchu. Na wstępie omówiono zagadnienia związane z typowymi strategiami stosowanymi w obszarze UR. Ponadto omówiono tematykę predykcji awarii, zwracając uwagę na ujęcie czasu pracy maszyny jako czasu trwania, a także kluczową rolę wykorzystania danych historycznych dotyczących awarii maszyn. Następnie zaprezentowano proponowany algorytm predykcji wspierający działania określone w czasie. Prezentowane prace zakończono dwuetapową weryfikacją proponowanej metody, która potwierdziła jej skuteczność oraz zasadność wykorzystania.
Źródło:
Eksploatacja i Niezawodność; 2020, 22, 1; 52-62
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The use of stationary tests for analysis of monitored residual processes
Wykorzystanie testów stacjonarności do analizy monitorowanych procesów resztkowych
Autorzy:
Kosicka, E.
Kozłowski, E.
Mazurkiewicz, D.
Powiązania:
https://bibliotekanauki.pl/articles/1365913.pdf
Data publikacji:
2015
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
failure prediction
maintenance
stationary tests
ADF
KPSS
predykcja awarii
utrzymanie ruchu
testy stacjonarności
Opis:
Sustaining high operational efficiency of a machine park requires the use of state-of-art solutions that support both monitoring of residual processes and performing thorough analysis of thereby collected data. What meets the needs of entrepreneurs who strive for high reliability of technological infrastructure is a modern approach to maintenance prediction. The literature of the subject offers numerous studies presenting the use of various statistical models for time series prediction. The objective of this paper is to verify whether tests used in econometrics such as the augmented Dickey-Fuller test and the Kwiatkowski-Phillips-Schmidt-Shin test are suitable for failure prediction. The simulations were performed for one diagnostic parameter, i.e. temperature.
Utrzymanie wysokiego poziomu efektywności eksploatacyjnej parku maszynowego wymaga stosowania nowoczesnych rozwiązań wspierających monitorowanie procesów resztkowych i poddawania szczegółowej analizie uzyskanych w ten sposób informacji. Naprzeciw oczekiwaniom przedsiębiorców dotyczących utrzymywania wysokiego poziomu niezawodności infrastruktury technicznej wychodzi nowoczesne podejście w obszarze gospodarki remontowo-konserwacyjnej, jakim jest predyktywne utrzymanie ruchu. W literaturze przedmiotu wielokrotnie prezentowano wykorzystanie różnych modeli statystycznych pozwalających na prognozowanie wartości szeregów czasowych. Celem niniejszej pracy było sprawdzenie czy stosowany w ekonometrii rozszerzony test Dickeya-Fullera oraz test Kwiatkowskiego, Phillipsa, Schmidta i Shina mogą zostać użyte do predykcji zdarzeń niepożądanych jakimi są awarie. Symulację przeprowadzono dla wartości jednego parametru diagnostycznego jakim była temperatura.
Źródło:
Eksploatacja i Niezawodność; 2015, 17, 4; 604-609
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 111

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