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 "weighted prediction" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Assessment of Heterogeneous Road Traffic Noise in Nagpur
    Autorzy:
    Lokhande, S. K.
    Pathak, S. S.
    Kokate, P. A.
    Dhawale, S. A.
    Bodhe, G. L.
    Powiązania:
    https://bibliotekanauki.pl/articles/176717.pdf
    Data publikacji:
    2018
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    traffic noise
    FHWA
    Federal Highway Administration
    TNM
    Traffic Noise Model
    Prediction Model
    LAeq,T
    a-weighted time-average sound level
    noise pollution
    Opis:
    The objective of the study is to assess the noise scenario and evaluate prediction model for heterogeneous traffic conditions. In the past few years, road traffic of Nagpur has increased significantly due to the rapid increase in the number of vehicles. Noise levels are monitored at six different squares, characterized as interrupted traffic flow due to traffic signals, high population density and heavy traffic where the major sources of noise are engines, exhausts, tires interacting with the road, horns, sound of gear boxes, breaks, etc. The A-weighted time-average sound levels (LAeq, T) are measured at the different time of day during peak and off-peak traffic hours. To assess the traffic noise more precisely, the noise descriptors such as L10, L50, L90, LAeq, T, TNI (Traffic Noise Index), NPL (Noise Pollution Level) and NC (Noise Climate) are used. In the present study, the Federal Highway Administration (FHWA) noise prediction model is used for prediction of noise levels and it is observed that one-hour duration measured LAeq, T ranged from 71 to 76 dB(A) and 71.6 to 76.3 dB(A) during peak and off peak hours respectively. Due to the heavy traffic the peak hour Sound Exposure Levels (LAE) at all locations are exceeding permissible limit of 70 dB(A) prescribed by the World Health Organization (W.H.O). Off-peak traffic hour noise levels are within permissible limit except at two locations, Jagnade and HB town square. Significant correlation was obtained when best fit lines generated between measured and predicted values gives R2 of 0.455 for all time intervals. Chi-Square test (X2) was also computed to investigate the noise levels at different squares. The results show that the inhabitants of Nagpur city are exposed to high transportation noise during daytime.
    Źródło:
    Archives of Acoustics; 2018, 43, 1; 113-121
    0137-5075
    Pojawia się w:
    Archives of Acoustics
    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:
    Inter-frame Prediction with Fast Weighted Low-rank Matrix Approximation
    Autorzy:
    Huang, Z. L.
    Hsiao, H. F.
    Powiązania:
    https://bibliotekanauki.pl/articles/227337.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    inter-frame prediction
    template matching
    block matching
    low-rank matrix approximation
    weighted low rank
    matrix approximation
    Opis:
    In the field of video coding, inter-frame prediction plays an important role in improving compression efficiency. The improved efficiency is achieved by finding predictors for video blocks such that the residual data can be close to zero as much as possible. For recent video coding standards, motion vectors are required for a decoder to locate the predictors during video reconstruction. Block matching algorithms are usually utilized in the stage of motion estimation to find such motion vectors. For decoder-side motion derivation, proper templates are defined and template matching algorithms are used to produce a predictor for each block such that the overhead of embedding coded motion vectors in bit-stream can be avoided. However, the conventional criteria of either block matching or template matching algorithms may lead to the generation of worse predictors. To enhance coding efficiency, a fast weighted low-rank matrix approximation approach to deriving decoder-side motion vectors for inter frame video coding is proposed in this paper. The proposed method first finds the dominating block candidates and their corresponding importance factors. Then, finding a predictor for each block is treated as a weighted low-rank matrix approximation problem, which is solved by the proposed column-repetition approach. Together with mode decision, the coder can switch to a better mode between the motion compensation by using either block matching or the proposed template matching scheme.
    Źródło:
    International Journal of Electronics and Telecommunications; 2013, 59, 1; 9-16
    2300-1933
    Pojawia się w:
    International Journal of Electronics and Telecommunications
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Medium- and long-term prediction of polar motion using weighted least squares extrapolation and vector autoregressive modeling
    Autorzy:
    Lei, Yu
    Zhao, Danning
    Guo, Min
    Powiązania:
    https://bibliotekanauki.pl/articles/27314482.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Centrum Badań Kosmicznych PAN
    Tematy:
    polar motion
    prediction model
    weighted least squares
    vector autoregressive
    Opis:
    This article presents the application of weighted least squares (WLS) extrapolation and vector autoregressive (VAR) modeling in polar motion prediction. A piecewise weighting function is developed for the least squares (LS) adjustment in consideration of the effect of intervals between observation and prediction epochs on WLS extrapolation. Furthermore, the VAR technique is used to simultaneously model and predict the residuals of xp, yp pole coordinates for WLS misfit. The simultaneous predictions of xp, yp pole coordinates are subsequently computed by the combination of WLS extrapolation of harmonic models for the linear trend, Chandler and annual wobbles, and VAR stochastic prediction of the residuals (WLS+VAR). The 365-day-ahead xp, yp predictions are compared with those generated by LS extrapolation+univariate AR prediction and LS extrapolation+VAR modeling. It is shown that the xp, yp predictions based on WLS+VAR taking into consideration both the interval effect and correlation between xp and yp outperform those generated by two others. The accuracies of the xp predictions are 13.97 mas, 18.47 mas, and 20.52 mas, respectively for the 150-, 270-, and 365-day horizon in terms of the mean absolute error statistics, 36%, 24.8%, and 33.5% higher than LS+AR, respectively. For the yp predictions, the 150-, 270-, and 365-day accuracies are 15.41 mas, 21.17 mas, and 21.82 mas respectively, 27.4%, 11.9%, and 21.8% higher than LS+AR respectively. Moreover, the absolute differences of the WLS+VAR predictions and observations are smaller than the differences from LS+VAR and LS+AR, which is practically important to practical and scientific users, although the improvement in accuracies is no more than 10% relative to LS+VAR. The further comparison with the predictions submitted to the 1st Earth Orientation Parameters Prediction Comparison Campaign (1st EOP PCC) shows that while the accuracy of the predictions within 30 days is comparable with that by the most accurate prediction techniques including neural networks and LS+AR participating in the campaign for xp, yp pole coordinates, the accuracy of the predictions up to 365 days into the future are better than accuracies by the other techniques except best LS+AR used in the EOP PCC. It is therefore concluded that the medium- and long-term prediction accuracy of polar motion can be improved by modeling xp, yp pole coordinates together.
    Źródło:
    Artificial Satellites. Journal of Planetary Geodesy; 2023, 58, 2; 42--55
    2083-6104
    Pojawia się w:
    Artificial Satellites. Journal of Planetary Geodesy
    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