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 "principal component regression" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-12 z 12
    Tytuł:
    Spectral Mapping Using Kernel Principal Components Regression for Voice Conversion
    Autorzy:
    Song, P.
    Zhao, L.
    Bao, Y.
    Powiązania:
    https://bibliotekanauki.pl/articles/177529.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    spectral mapping
    overfitting
    oversmoothing
    discontinuity
    kernel principal component regression
    Opis:
    The Gaussian mixture model (GMM) method is popular and efficient for voice conversion (VC), but it is often subject to overfitting. In this paper, the principal component regression (PCR) method is adopted for the spectral mapping between source speech and target speech, and the numbers of principal components are adjusted properly to prevent the overfitting. Then, in order to better model the nonlinear relationships between the source speech and target speech, the kernel principal component regression (KPCR) method is also proposed. Moreover, a KPCR combined with GMM method is further proposed to improve the accuracy of conversion. In addition, the discontinuity and oversmoothing problems of the traditional GMM method are also addressed. On the one hand, in order to solve the discontinuity problem, the adaptive median filter is adopted to smooth the posterior probabilities. On the other hand, the two mixture components with higher posterior probabilities for each frame are chosen for VC to reduce the oversmoothing problem. Finally, the objective and subjective experiments are carried out, and the results demonstrate that the proposed approach shows greatly better performance than the GMM method. In the objective tests, the proposed method shows lower cepstral distances and higher identification rates than the GMM method. While in the subjective tests, the proposed method obtains higher scores of preference and perceptual quality.
    Źródło:
    Archives of Acoustics; 2013, 38, 1; 39-45
    0137-5075
    Pojawia się w:
    Archives of Acoustics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Principal component data processing in radon metrology
    Autorzy:
    Machaj, B.
    Urbański, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/147140.pdf
    Data publikacji:
    2002
    Wydawca:
    Instytut Chemii i Techniki Jądrowej
    Tematy:
    principal component regression (PCR)
    radon daughters measurement
    radon measurement
    Opis:
    A gauge for the measurement of radon and radon daughters concentration was tested in a radon chamber. Count rate distribution in time at the output of radiation detectors was measured and registered. The count rate distribution in time was then processed employing Principal Component Analysis (PCA) and the Root Mean Square Error (RMSE) of the count rate was investigated. It was found that PCA processing removes great part of count rate random fluctuations originating from radiation statistics, which is resulting in a decrease of the count rate random error and in random error of concentration. The RMSE of radon daughters concentration is about 3 times lower when "raw" results are PCA processed. Such decrease of error, without PCA signal processing, would require 9 times higher air flow through the air filter on which the radon daughters are deposited. In case of the measurements of the radon concentration the drop of the error is 2-3 times higher in case of long counting time.
    Źródło:
    Nukleonika; 2002, 47, 1; 39-42
    0029-5922
    1508-5791
    Pojawia się w:
    Nukleonika
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wielocechowa analiza wyników doświadczeń wstępnych z żytem ozimym
    Multivariate analysis of data from preliminary trials with winter rye
    Autorzy:
    Ukalski, Krzysztof
    Śmiałowski, Tadeusz
    Powiązania:
    https://bibliotekanauki.pl/articles/2198126.pdf
    Data publikacji:
    2011-09-30
    Wydawca:
    Instytut Hodowli i Aklimatyzacji Roślin
    Tematy:
    analiza składowych głównych
    formy mieszańcowe
    formy populacyjne
    plon ziarna
    regresja składowych głównych
    transformacja
    żyto ozime
    grain yield
    hybrid forms
    population forms
    principal component analysis
    principal component regression
    transformation
    winter rye
    Opis:
    Przedmiotem badań było 30 form żyta ozimego badanych w doświadczeniach wstępnych przez sześć Zakładów Hodowli Roślin oraz Zakład Roślin Zbożowych IHAR w Krakowie. Wyniki prezentowane w pracy dotyczą obiektów badanych w 2009 r. w 6 miejscowościach. Pod uwagę wzięto 10 cech: plon, MTZ, wysokość, odporność na wyleganie, przezimowanie, liczba dni do kłoszenia, liczba dni do dojrzałości, pylenie, odporność na mączniaka i rdzę brunatną. Celem pracy było: 1. zastosowanie analizy składowych głównych (PCA) na wartościach transformowanych dla cech wyrażonych w skali bonitacyjnej, 2. szczegółowe porównanie badanych form żyta przy użyciu regresji składowych głównych (PCR). Analiza składowych głównych PCA na wartościach poddanych transformacji wyjaśniła ponad 15% więcej zmienności całkowitej niż PCA na wartościach nietransformowanych dla trzech pierwszych składowych. Wyniki analizy PCR przedstawiono za pomocą wykresów przedstawiających zróżnicowanie badanych form żyta ozimego pod kątem wybranej cechy. Forma populacyjna HRSM 4 swoimi właściwościami zbliżona jest do form mieszańcowych.
    The subjects of the study were 30 lines of winter rye examined in preliminary trials coordinated by the Plant Breeding and Acclimatization Institute, the Department of Cereals Crops in Cracow. The results presented in the paper concern objects examined in 6 locations in 2009. Ten traits were taken into account: grain yield, 1000 grains weight, plant height, lodging score, winter hardiness, no. of days to heading, no. of days to maturity, pollen fertility, powdery mildew score and brown rust score. The aim of the study was: firstly, the application of principal component analysis (PCA) on transformed values for traits formulated in valuation scale, secondly, detailed comparison of examined forms of winter rye using principal component regression (PCR). Principal component analysis PCA on values under transformation explained over 15% more total variation than PCA on non-transformed values for three first components. The results of PCR analysis are shown on graphs presenting diversity of examined forms of winter rye with consideration of particular traits. The population form HRSM 4 is similar, by its characteristics, to the hybrid lines.
    Źródło:
    Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin; 2011, 260/261; 251-262
    0373-7837
    2657-8913
    Pojawia się w:
    Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A new method for detecting cross-inhibition effects in the environmental biocatalytic processes
    Autorzy:
    Herke, Z.
    Maskow, T.
    Nemeth, Z.I.
    Powiązania:
    https://bibliotekanauki.pl/articles/80851.pdf
    Data publikacji:
    2015
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    biocatalysis
    microorganism
    enzyme
    bioremediation
    inhibition
    modelling
    regression analysis
    principal component analysis
    Źródło:
    BioTechnologia. Journal of Biotechnology Computational Biology and Bionanotechnology; 2015, 96, 4
    0860-7796
    Pojawia się w:
    BioTechnologia. Journal of Biotechnology Computational Biology and Bionanotechnology
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Forecasting of subjective comfort in tram using ordinal logistic regression and manifold learning
    Autorzy:
    Pietraszek, J.
    Grzegożek, W.
    Szczygieł, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/246634.pdf
    Data publikacji:
    2012
    Wydawca:
    Instytut Techniczny Wojsk Lotniczych
    Tematy:
    rail transport
    vibrations
    ordinal logistic regression
    principal component analysis
    manifold learning
    Opis:
    Comfort in a vehicle has a very important role to play as one of the most important dynamic performance characteristics of rail vehicles. It is the factor of ever-increasing importance, even creating a specialized branch of engineering associated with relation between human limitations and designing of machines: human–factors engineering. The vibration is known to be a major factor that affects and deteriorates ride comfort. For evaluating ride comfort in rail vehicles, there have been developed methods resulting in the creation of many standards and multiple criteria used and even standardized in different countries. One of the authors, J. Szczygieł designed and performed a passive experiment to collect data describing physical conditions of ride and associated subjective assessments of comfort. Panel of fourteen people during the tram ride made synchronous subjective assessments of comfort, assessing it on a discrete ordinal scale of 0 to 5, using electronic panels connected to the computer. At the same time computer through sensors recorded values of acceleration in three perpendicular axes. It made possible to correlate the fuzzy subjective evaluations with objective physical measurements. Because of the discrete type of fuzzy ratings of comfort, natural way of modelling is the ordinal logistic regression. The classic form of the ordinal logistic regression assumes that in the space of explanatory factors there are parallel activation hyper-planes slightly disturbed by unknown or uncontrolled noise factors. In fact, the assumption of linearity is a very strong idealization and leads to considerable misclassifications. The original space of explanatory factors is 11-dimensional with ten continuous dimensions and one discrete. Then the multivariate method, principal component analysis (PCA), was used to identify principal components, which are responsible most to the variability of the studied set. The scree plot was used to identify the number of significant PCA factors. The use of PCA revealed that the area occupied by the data set is approximately 6-dimensional. However, the dimensionality reduction of explanatory variables set did not lead to better forecasting accuracy. A more subtle analysis involving discretization techniques showed that activation hyperplanes are highly curved in the six-dimensional area identified by PCA but their dimensionality is much lower. The details of the procedure are described in the article. The article conclusion is that is necessary to introduce curvilinear coordinate system embedded into the shapes of activation hyper-planes to obtain better classification.
    Źródło:
    Journal of KONES; 2012, 19, 2; 403-409
    1231-4005
    2354-0133
    Pojawia się w:
    Journal of KONES
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An identification source of variation on the water quality pattern in the Malacca River basin using chemometric approach
    Autorzy:
    Hua, A. K.
    Powiązania:
    https://bibliotekanauki.pl/articles/204612.pdf
    Data publikacji:
    2018
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    hierarchical cluster analysis
    discriminant analysis
    principal component analysis
    multiple linear
    regression analysis
    Opis:
    The Malacca River basin experienced river water pollution which caused a major deterioration to the ecosystems and environmental health. This study is carried out to assess the water quality data and identify the pattern of water pollution sources in the study area, and also to develop a predictive performance of water quality in the Malacca River basin. A chemometric approach using a combination of HCA, DA, PCA, and MLR, was applied into twenty water quality variables from nine sampling stations that were collected from January until December of 2015 in the river basin. HCA pointed out three clusters, namely Cluster 1 (C1) with low pollution source, Cluster 2 (C2) with moderate pollution source, and Cluster 3 (C3) with high pollution source. In the DA analysis, the results showed 21 variables, 12 variables, and 9 variables for standard mode, forward stepwise mode, and backward stepwise mode, respectively. Meanwhile, the PCA indicated that the main source of pollutants is detected from residential, industrial, commercial, agricultural, animal livestock, as well as forest land. Among the three models developed from MLR analysis, C3 with a high pollution source is detected to be the most suitable model to be used for the prediction of Water Quality Index in the Malacca River basin. This study proposed for an effective river water quality management by having new water quality monitoring network to be designed for more practical use in order to reduce time and effort, as well as cost saving purposes.
    Źródło:
    Archives of Environmental Protection; 2018, 44, 4; 111-122
    2083-4772
    2083-4810
    Pojawia się w:
    Archives of Environmental Protection
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Land clayey deposits compressibility investigation using principal component analysis and multiple regression tools
    Autorzy:
    Berrah, Yacine
    Chegrouche, Aymen
    Brahmi, Serhane
    Boumezbeur, Abderrahmane
    Powiązania:
    https://bibliotekanauki.pl/articles/2201674.pdf
    Data publikacji:
    2022
    Wydawca:
    Uniwersytet Rolniczy im. Hugona Kołłątaja w Krakowie
    Tematy:
    compressibility index
    geotechnical parameters
    principal component analysis
    PCA
    multiple regression models
    indeks ściśliwości
    parametry geotechniczne
    analiza głównych składowych
    regresja wielokrotna
    Opis:
    The settlement and compressibility magnitude of the major clayey and marly sediments in Tebessa area (N-E of Algeria) depends on several geotechnical parameters such as compression Cc and recompression Cs indices. The aim of this study was to investigate the parameters related to soil compressibility through tools of statistical analysis, which save time in comparison to multiply repeated laboratory tests. The study also adopted the principal component analysis (PCA) method to eliminate a number of uncorrelated variables that have no influence on the compressibility magnitude, or their impact is insignificant. The highest mean correlation coefficients were obtained for different contributing parameters. Multiple regression analysis has been performed to obtain the best fit model of the output Cc parameter taking into account the best correlation by adding parameters as regressors to reach the highest coefficient of regression R2 . The final obtained model of the present case study gives the best fit model with R2 of 0.92 which is a better value compared to different published models in the literature (R2 of 0.7 as maximum). The chosen input parameters using PCA combined with multiple regression analysis allow identifying the most important input parameters that noticeably affect the soil compression index, and provide with the best model for estimating the Cc index.
    Źródło:
    Geomatics, Landmanagement and Landscape; 2022, 4; 95--107
    2300-1496
    Pojawia się w:
    Geomatics, Landmanagement and Landscape
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Applying NIR spectroscopy to evaluate quality of whey protein supplements available on the Polish market
    Zastosowanie spektroskopii w bliskiej podczerwieni do oceny jakości odżywek białkowych dostępnych na polskim rynku
    Autorzy:
    Wojcicki, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/827095.pdf
    Data publikacji:
    2018
    Wydawca:
    Polskie Towarzystwo Technologów Żywności
    Tematy:
    human nutrition
    supplemented diet
    protein
    whey protein
    determination
    near infrared spectroscopy
    protein quality
    protein content
    principal component analysis
    partial least squares regression
    Opis:
    The objective of the research study was to apply near infrared (NIR) spectroscopy to evaluate the quality of protein supplements available in the Polish shops and gyms. The evaluation was performed on the basis of the determination of the protein quantity contained in the individual samples by a Kjeldahl method and then the evaluation results were correlated with the measured NIR spectra using an appropriate chemometric method. The research material consisted of fifteen protein supplement samples for athletes, which included the following types: WPI (protein isolate), WPC (protein concentrate), WPH (protein hydrolysate), and mixtures thereof. The obtained NIR spectra of protein supplements were characterized by a similar shape of the bands. Depending on the type of protein, a different intensity of absorption of individual bands could be observed. A Principal Component Analysis (PCA) was used to distinguish the samples based on the spectra measured. Unfortunately, owing to the varying composition of the protein mixtures, it was not possible to find characteristic arrangement of the samples depending on their types. The spectra were correlated with the protein contents determined in the samples using a Partial Least Squares regression method (PLS regression) and various mathematic transformations of the NIR spectral data. The obtained regression models were analysed and the analysis results confirmed that it was possible to apply NIR spectra to estimate the content of proteins in protein supplements. The best result was obtained in a spectrum region between 9401 and 5448 cm⁻¹ and after the first derivative was applied with Multiplicate Scatter Correction (MSC) as a mathematical pre-treatment. On the basis of the results obtained, it was proved that the NIR spectra applied together with the chemometric analysis could be used to quickly evaluate the products studied.
    Celem pracy było zastosowanie spektroskopii w zakresie bliskiej podczerwieni (NIR) do oceny jakości odżywek białkowych dostępnych w polskich sklepach i siłowniach. Oceny tej dokonano na podstawie wyznaczenia zawartości protein w poszczególnych odżywkach metodą Kjeldahla, a następnie skorelowaniu jej ze zmierzonymi widmami NIR, stosując odpowiednią metodę chemometryczną. Materiał do badań stanowiło piętnaście białkowych odżywek dla sportowców różnego typu: WPI (izolat białka), WPC (koncentrat białka) i WPH (hydrolizat białka) oraz ich mieszanki. Otrzymane widma NIR odżywek białkowych charakteryzowały się zbliżonym do siebie kształtem pasm. W zależności od rodzaju odżywki można było zaobserwować różną intensywność absorpcji poszczególnych pasm. Przeprowadzona analiza głównych składowych (PCA) wykorzystana została do rozróżnienia próbek na podstawie zmierzonych widm. Niestety ze względu na różny skład mieszanek białkowych nie udało się zaobserwować charakterystycznego rozmieszczenia próbek w zależności od ich rodzaju. Korelację widm z wyznaczoną zawartością protein w próbkach przeprowadzono stosując metodę regresji najmniejszych kwadratów (PLS) oraz różne przekształcenia matematyczne danych spektralnych. Analiza otrzymanych modeli regresji wykazała, że możliwe jest wykorzystane widm w bliskiej podczerwieni do przewidywania zawartości protein w odżywkach białkowych. Najlepszy rezultat otrzymano w zakresie widma 9401 ÷ 5548 cm⁻¹ oraz po zastosowaniu pierwszej pochodnej wraz z multiplikatywną korektą rozproszenia (MSC) jako przekształcenie matematyczne. Na podstawie otrzymanych wyników udowodniono, że zastosowanie widm NIR wraz z chemometryczną analizą pozwala na szybką ocenę jakości omawianych produktów.
    Źródło:
    Żywność Nauka Technologia Jakość; 2018, 25, 2
    1425-6959
    Pojawia się w:
    Żywność Nauka Technologia Jakość
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Source apportionment of the PM10 fraction of particulate matter collected in Kraków, Poland
    Autorzy:
    Samek, L.
    Powiązania:
    https://bibliotekanauki.pl/articles/146888.pdf
    Data publikacji:
    2012
    Wydawca:
    Instytut Chemii i Techniki Jądrowej
    Tematy:
    air pollution
    energy dispersive X-ray fluorescence (EDXRF)
    elemental concentration
    particulate matter
    statistical analyses
    PCA - principal component factor analysis
    MLRA - multilinear regression analysis
    Opis:
    Samples of PM10 fraction of air particulates were collected during the winter of 2010 at two different sites in the City of Kraków, Poland. One site was located nearby a steel mill (Nowa Huta district) and the second one was situated at a distance of 10 km from the first site (Krowodrza district). The measured mass concentrations of PM10 fraction were in the range of 33 to 358 μg/m3. They exceeded the permissible daily limit value of 50 μg/m3. The Voivodship Inspectorate for Environmental Protection in Kraków was in charge of collecting samples as well as determining mass concentrations. Assessment of elemental concentrations and statistical analyses were performed at the University of Science and Technology in Kraków. Mean concentrations of Ti, Cu, Br and Pb were almost the same at both sites, while those of K, Ca and Zn were two times higher at Nowa Huta than at Krowodrza. Cr, Mn and Fe mass concentrations were also higher at Nowa Huta site; the values were a factor of three higher for Cr and Mn and factor of four for Fe. Factor analysis (FA) and multilinear regression analysis (MLRA) were used to determine source contributions to ambient PM10. The measurements were based on PM10 composition data which included elemental concentrations. Local combustion, industry and other, not identified sources, such as secondary aerosols, were the factors that highly contributed to the pollution of PM10 during winter time. For the site at Nowa Huta 53.1% of pollution was attributable to combustion and traffic, 28.5% was due to industry and wood combustion, and 18.3% were not identified. For the Krowodrza site, industry and wood combustion contributed 46.1%, combustion and traffic 50.4% and other, not identified sources 3.5% of the total PM10. Examination of meteorological data suggested that the concentration of potassium was inversely proportional to ambient air temperature at both sites. A wood combustion was identified as possible source of potassium in PM10.
    Źródło:
    Nukleonika; 2012, 57, 4; 601-606
    0029-5922
    1508-5791
    Pojawia się w:
    Nukleonika
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Factors of Quality of Life in a Group of Selected European Union and OECD Countries
    Czynniki jakości życia w grupie wybranych krajów Unii Europejskiej i OECD
    Autorzy:
    Drastichová, Magdaléna
    Filzmoser, Peter
    Powiązania:
    https://bibliotekanauki.pl/articles/1840948.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Komitet Człowiek i Środowisko PAN
    Tematy:
    health
    human development
    quality of life
    sustainable development
    regression analysis
    principal component analysis
    zdrowie
    rozwój człowieka
    jakość życia
    zrównoważony rozwój
    analiza regresji
    analiza głównych składowych
    Opis:
    This work focuses on the evaluation of the factors of quality of life in a sample of 26 countries. Quality of life is a complex, multidimensional concept, which includes various social, cultural, economic, political, demographic and environmental aspects. Regarding this, principal component analysis and regression analysis were chosen as relevant methods to analyse relationships among twenty-five variables related to quality of life, and their rela-tionships with three composite indices reflecting crucial aspects of quality of life, wellbeing and sustainability. These indices, applied as the response variables in the regression analysis, include the inequality-adjusted alter-native of the Human Development Index (IHDI), the Happy Planet Index (HPI), and Healthy Life Years (HLY). The IHDI represents an objective indicator of human development and wellbeing. HLY reflects quality of life in terms of health. The HPI combines the ecological efficiency with which human wellbeing is delivered, while it also includes a subjective measure of wellbeing. Since each of these indices represent different aspects of quality of life to a certain extent, some of the factors (represented by selected indicators) affected them in different ways. After applying a Lasso regression, nine of the 25 indicators – representing crucial factors of quality of life – were identified. Homicide rate (representing the factor of safety) affected all three indices in a negative way, whereas Years in education (representing the factor of education) and Life satisfaction – a subjective indicator of wellbeing representing the dimension of the same name, affected them positively.
    Niniejsza praca koncentruje się na ocenie czynników jakości życia na próbie 26 krajów. Jakość życia to złożone, wielowymiarowe pojęcie, które obejmuje różne aspekty społeczne, kulturowe, ekonomiczne, polityczne, demograficzne i środowiskowe. W związku z tym wybrano analizę głównych składowych i analizę regresji jako odpowiednie metody analizy relacji między 25 zmiennymi odnoszącymi się do jakości życia oraz ich związków z trzema złożonymi wskaźnikami odzwierciedlającymi kluczowe aspekty jakości życia, dobrostanu i zrównoważonego rozwoju. Wskaźniki te, stosowane jako zmienne odpowiedzi w analizie regresji, obejmują skorygowaną o nierówności alternatywę wskaźnika rozwoju społecznego (IHDI), wskaźnika szczęśliwej planety (HPI) i wskaźnika lat zdrowego życia (HLY). IHDI stanowi obiektywny wskaźnik rozwoju człowieka i dobrobytu. HLY odzwierciedla jakość życia w kategoriach zdrowia. HPI łączy w sobie efektywność ekologiczną, z jaką zapewnia dobrostan człowieka, a także subiektywną miarę dobrostanu. Ponieważ każdy z tych wskaźników w pewnym stopniu reprezentuje różne aspekty jakości życia, niektóre czynniki (reprezentowane przez wybrane wskaźniki) wpływały na nie w różny sposób. Po zastosowaniu regresji Lasso zidentyfikowano dziewięć z 25 wskaźników – reprezentujących kluczowe czynniki jakości życia. Wskaźnik zabójstw (będący czynnikiem bezpieczeństwa) wpłynął negatywnie na wszystkie trzy wskaźniki, natomiast lata nauki (będące czynnikiem wykształcenia) i zadowolenie z życia – subiektywny wskaźnik dobrostanu reprezentujący wymiar o tej samej nazwie – wpłynęły na nie pozytywnie.
    Źródło:
    Problemy Ekorozwoju; 2021, 16, 2; 75-93
    1895-6912
    Pojawia się w:
    Problemy Ekorozwoju
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The Second Wave of the COVID-19 Pandemic in Poland - Characterised Using FDA Methods
    Druga fala COVID-19 w Polsce - charakterystyka z zastosowaniem metod FDA
    Autorzy:
    Hęćka, Patrycja
    Powiązania:
    https://bibliotekanauki.pl/articles/21375673.pdf
    Data publikacji:
    2023
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    function-on-function regression
    functional data analysis (FDA)
    COVID-19
    functional principal component analysis
    smooth functions
    regresja function-on-function
    analiza danych funkcjonalnych
    analiza głównych składowych funkcjonalnych
    funkcje gładkie
    Opis:
    The aim of this article was to analyse functional data of the number of hospitalised individuals, intensive care patients, positive COVID-19 tests, deaths and convalescents during the second wave of the COVID-19 pandemic in Poland. For this purpose, firstly the author convert data of sixteen voivodeships to smooth functions, and then used the principal component analysis and multiple function-on-function linear regression model to predict the number of hospitalised and intensive care patients due to the COVID-19 infection during the second wave of the pandemic. Finally, the results were compared with those previously obtained for the combined data of the second and third wave of the COVID-19 pandemic in Poland (Hęćka, 2023).
    Głównym celem artykułu była analiza danych funkcjonalnych dotyczących liczby pozytywnych wyników testu, zgonów, ozdrowieńców, osób hospitalizowanych oraz w stanie ciężkim podczas drugiej fali pandemii COVID-19 w Polsce. Pierwszym krokiem była konwersja danych w funkcje gładkie. Następnie przedstawiono analizę głównych składowych funkcjonalnych oraz użycie modelu multiple function-on-function linear regression w celu predykcji liczby osób hospitalizowanych oraz będących w stanie ciężkim z powodu COVID-19 w polskich województwach. Otrzymane wyniki porównano z wcześniej uzyskanymi dla połączonych danych z drugiej i trzeciej fali pandemii.
    Źródło:
    Econometrics. Ekonometria. Advances in Applied Data Analytics; 2023, 27, 3; 20-34
    1507-3866
    Pojawia się w:
    Econometrics. Ekonometria. Advances in Applied Data Analytics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie metod czarnej skrzynki do prognozowania wartości wybranych wskaźników jakości ścieków dopływających do oczyszczalni komunalnej
    Black-box forecasting of selected indicator values for influent wastewater quality in municipal treatment plant
    Autorzy:
    Szeląg, B.
    Bartkiewicz, L.
    Studziński, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/236740.pdf
    Data publikacji:
    2016
    Wydawca:
    Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
    Tematy:
    ścieki komunalne
    modelowanie
    prognozowanie jakości ścieków metoda MARS
    metoda lasów losowych (RF)
    metoda samoorganizujących się sieci neuronowych (SOM)
    metoda drzew wzmacnianych (BT) metoda analizy składowych
    głównych (PCA)
    sewage
    modeling
    sewage quality forecasting
    MARS (multivariate adaptive regression spline)
    random forest (RF)
    self-organizing map (SOM)
    boosted trees (BT)
    principal component analysis (PCA)
    Opis:
    Prognozowanie ilości i jakości ścieków dopływających do oczyszczalni komunalnej z odpowiednim wyprzedzeniem czasowym daje możliwość optymalnego sterowania wieloma parametrami procesów oczyszczania ścieków. Dlatego prowadzi się badania mające na celu opracowanie modeli matematycznych (fizykalnych deterministycznych i operatorowych statystycznych), prognozujących zarówno ilość, jak i jakość ścieków dopływających do oczyszczalni. W artykule zbadano możliwość zastosowania prostszych modeli operatorowych do prognozowania wartości wybranych wskaźników jakości ścieków na dopływie do oczyszczalni (BZT5, zawiesiny ogólne, azot ogólny i amonowy, fosfor ogólny) jedynie na podstawie wyników pomiarów natężenia przepływu ścieków oraz – w celu porównania – na podstawie ich zmierzonych wartości. Do tego celu zastosowano metody czarnej skrzynki typu MARS oraz lasy losowe (RF). Dodatkowo przedstawiono możliwość połączenia metody lasów losowych z modelem klasyfikacyjnym (RF+SOM). Do identyfikacji danych określających zmienność wybranych wskaźników jakości ścieków zastosowano metody drzew wzmacnianych (BT) i analizy składowych głównych (PCA). Modele opracowano na podstawie wyników ciągłych pomiarów dobowych przeprowadzonych w latach 2013–2015 w oczyszczalni ścieków komunalnych w Rzeszowie.
    Forecasting the amount and quality of wastewater flowing into a treatment plant sufficiently in advance, enables effective control of numerous treatment process parameters. Therefore, mathematical (physical deterministic and time series statistical) models forecasting both the amount and quality of wastewater inflow into a sewage treatment plant are under development. In this paper, a possibility of simpler time series models application to forecasting values of selected indicators (biochemical oxygen demand (BOD5), total suspended solids (TSS), total nitrogen (TN), total phosphorus (TP) and ammonium (NH4+)) of sewage quality in the inflow into a treatment plant was investigated. The research was based solely on sewage flow rate data and – for the purpose of comparison – the actual measured indicator values. For this purpose, MARS type black-box and random forest (RF) methods were used. Also, a possibility of combining the RF method with a classification model (RF+SOM) was investigated. Boosted trees (BT) and principal component analysis (PCA) methods were applied for identification of data that determine variability of the selected sewage quality indicators. The models were developed on the basis of continuous daily measurements performed in the period of 2013–2015 in the municipal sewage treatment plant in Rzeszow.
    Źródło:
    Ochrona Środowiska; 2016, 38, 4; 39-46
    1230-6169
    Pojawia się w:
    Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-12 z 12

      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