Koncepcja wykorzystania sztucznych sieci neuronowych do prognozowania zawartości metanu w substratach

• Autorzy: Koszela K. , Pilarski K. , Dach J. , Boniecki P. , Jedrus A.

Warianty tytułu

EN

The concept of usage of artificial neural networks for forecasting the methane content in the substrates

• Języki publikacji: PL

Abstrakty

PL

Sztuczne sieci neuronowe wykorzystywane są z powodzeniem m.in. do analizy złożonych systemów empirycznych, w których część parametrów opisujących zachodzące zjawiska jest niemierzalna lub których precyzyjny pomiar jest trudny. W niniejszej publikacji zaprezentowano budowę i zasady działania sztucznych sieci neuronowych jako narzędzia do predykcji zawartości metanu w biogazie z bioodpadów rolniczych [3]. Prognozowanie zawartości biogazu odgrywa ważną rolę w opracowywaniu optymalnych modeli do zarządzania biogazownią. Z powodu różnorodności bazy surowcowej istotnym jest optymalne prognozowanie wydajności biogazowni. W związku z powyższym często z powodzeniem używa się modeli typu „czarna skrzynka”, które wymagają mniejszej liczby parametrów niż klasyczne modele konceptualne.

EN

The artificial neural networks have been successfully used for analyzing of the complex systems, where some parameters describing the occurring phenomena are non-measurable or the precise measurement is very difficult. This publication presents the construction and functioning rules of the artificial neural networks as a tool for prediction of methane content in the biogas from agricultural bio-waste. Forecasting of the biogas content plays extremely important role in development of the optimal models for biogas plant management. Due to the resource base diversity the optimal prediction of biogas plant efficiency is very important. Therefore, the "black box" models which require less parameters than classic conceptual ones are very often successfully used.

Słowa kluczowe

PL

biogazownie; substraty roslinne; odchody zwierzece; substraty komunalne; substraty przemyslowe; zawartosc metanu; fermentacja; produkcja biogazu; produkcja metanu; wydajnosc produkcji; prognozowanie; sieci neuronowe sztuczne

• Wydawca: -
• Czasopismo: Technika Rolnicza Ogrodnicza Leśna
• Rocznik: 2012
• Numer: 04
• Opis fizyczny: s.16-18,fot.,bibliogr.

Twórcy

autor

Koszela K.

• Instytut Inżynierii Rolniczej, Uniwersytet Przyrodniczy w Poznaniu, ul.Wojska Polskiego 28, 60-637 Poznań

autor

Pilarski K.

autor

Dach J.

autor

Boniecki P.

autor

Jedrus A.

Bibliografia

• [1] Adamski M., Pilarski K., Dach J.: Możliwości wykorzystania wywaru gorzelnianego jako substratu w biogazowni rolniczej. Journal of Research and Applications in Agricultural Engineering, 2009, vol. 54(3): 10-15.
• [2] Dach J., Zbytek Z., Pilarski K., Adamski M.: Badania efektywności wykorzystania odpadów z produkcji biopaliw jako substratu w biogazowni. Technika Rolnicza Ogrodnicza Leśna, 2009, nr 6: 7-9.
• [3] Hu, M.Y., Patowo B.E., Zhang G.: Forecating with artificial neural network. The state of art. International Journal of Forecasting, 1998, nr 14.
• [4] Kavdir I., Guyer D. E.: Apple sorting using artificial neural networks and spectral imaging. ASAE Meeting 2000, Presentation Paper Number: 2000,Vol. 45(6).
• [5] Korbicz J. Obuchowicz A. Uciski D.: Sztuczne sieci neuronowe. Podstawy i zastosowania. Warszawa: Akad. Oficyna Wyd.RM,1994.
• [6] Koszela K., Boniecki P., Weres J.: Ocena efektywności neuronowego prognozowania w oparciu o wybrane metody na przykładzie dystrybucji produktów rolniczych. Inżynieria Rolnicza, 2005, 2(62).
• [7] Oniszk-Popławska A., Zwosik M., Wiśniewski G.: Produkcja i wykorzystanie biogazu rolniczego. Gdańsk- Warszawa, 2003.
• [8] Pilarski K., Dach J., Mioduszewska N.: Porównanie wydajności produkcji metanu z gnojowicy świńskiej i bydlęcej z dodatkiem gliceryny rafinowanej. Journal of Research and Applications in Agricultural Engineering, 2010, vol. 55(2): 78-81.
• [9] Tadeusiewicz R.: Sieci neuronowe. Warszawa: Akad. Oficyna Wyd.RM,1993.
• [10]Zaborowicz M., Koszela K., Boniecki P.: Koncepcja wykorzystania sztucznych sieci neuronowych w procesie oceny jakości pomidorów. Journal of Research and Applications in Agricultural Engineering, 2011, vol. 56(1).