Wyniki wyszukiwania

1

Artykuł dostępny w postaci pełnego tekstu - kliknij by otworzyć plik

Zastosowanie metod data mining w prognozowaniu zużycia wody na cele bytowe w gospodarstwach wiejskich

100%

Walega A., Bergel T.

Infrastruktura i Ekologia Terenów Wiejskich

|

2009

|

nr 05

Krótkoterminowe prognozy wielkości zużycia wody, mają podstawowe znaczenie przy optymalizacji pracy sieci wodociągowych i kanalizacyjnych, a także oczyszczalni ścieków. W pracy dokonano oceny możliwości prognozowania szeregów czasowych dobowego zużycia wody na cele bytowe w gospodarstwie wiejskim z wykorzystaniem metod Data Mining. Do opracowania 10-dniowej prognozy zużycia wody wykorzystano wyrównanie wykładnicze i metodę ARIMA. Materiałem źródłowym do analizy były dobowe ilości wody zużywanej na cele bytowe w wytypowanym gospodarstwie wiejskim w okresie 22 miesięcy. Szczególnie przydatne do prognozowania zużycia wody okazało się wyrównanie wykładnicze, które uwzględnia nie tylko wartości, ale także zróżnicowanie ważności przeszłych obserwacji. Znaczna nierównomierność dobowego zużycia wody powoduje wzrost błędów prognoz. Metody prognozowania oparte na algorytmach wyrównania wykładniczego są łatwe do zastosowania i nie wymagają założenia o stacjonarności szeregu czasowego. W analizowanym przypadku stosunkowo dobrą prognozę dobowego zużycia wody na cele bytowe uzyskano stosując addytywny model Wintersa. Z kolei modele klasy ARIMA pozwalają na dokładną prognozę zużycia wody pod warunkiem właściwej identyfikacji parametrów modelu i spełnienia warunku stacjonarności szeregu. W przypadku braku stacjonarności, przed analizą szeregu, należy przekształcić go wykorzystując np. metodę różnicowania. W celu prognozowania wielkości dobowego zużycia w gospodarstwie wiejskim zastosowano model ARIMA (0,1,2) przy dwóch parametrach średniej ruchomej. Zarówno wyrównanie wykładnicze jak i model typu ARIMA pozwoliły na uzyskanie podobnych wyników prognozowania, przy czym średnia wartość 10-dniowej prognozy zużycia wody na cele bytowe w modelu wykładniczym była o 4,5% wyższa od uzyskanej z modelu ARIMA.

2

Sztuczne sieci neuronowe w statystyce

100%

Lasek M.

Wiadomości Statystyczne

|

2007

|

tom 52

|

nr 08

3

XXVI Konferencja Naukowa „Zastosowania statystyki i data mining w badaniach naukowych"

100%

Jablonska A.

Wiadomości Statystyczne

|

2022

|

tom 67

|

nr 12

4

Zastosowanie metody eksploracji danych w badaniach dynamiki zmian depozycji zanieczyszczen z atmosfery

100%

Slowikowski D.

Ochrona Powietrza i Problemy Odpadów

|

2003

|

tom 37

|

nr 1-2

9-14

5

Wielka niewiadoma. Czy powinniśmy ufać naszym własnym prognozom?

84%

Robinson K. S.

Świat Nauki

|

2016

|

nr 10

6

Oprogramowanie wspierające analizy danych metodami Data Mining

84%

Lasek M.

Wiadomości Statystyczne

|

2007

|

tom 52

|

nr 03

7

Ocena świadczeń emerytalnych w krajach europejskich

84%

Jajko-Siewk A.

Wiadomości Statystyczne

|

2017

|

tom 62

|

nr 06

8

Zastosowanie technik data mining w zootechnice

84%

Piwczynski D., Kolenda M., Sitkowska B., Czajkowska A.

Przegląd Hodowlany

|

2013

|

tom 81

|

nr 6

While summing up the results of the analyzes it should be noted that parallel application of two statistical methods, the method of decision trees and multivariate analysis of variance, have indicated the same factors that determine the lactose content in cow's milk: successive lactation, day of milking testing, herd, the participation of HF breed, calving season, year of birth, CASK protein genotype. Based on the constructed model of the decision tree, it can be concluded that a high lactose content may be expected in the primiparas milk, after 17 days of milking, with the participation of HF at the level of at least 74.5%. However, a subsequent production period of more than 2 lactations, promotes the lower lactose content in milk, especially when milk samples, collected from cows with the participation of HF of at least 91.5%, are obtained from flocks with living and feeding conditions similar to those in the herd K. The graphical models of trees, created in the similar way to those described in the research, may be developed for virtually every feature. Therefore, they may become the tool indicating a good system of levels of genetic and environmental factors and provide the high level of features that are useful for breeders.

9

Wpływ pandemii COVID-19 na stan zdrowia psychicznego społeczeństwa

84%

Ptak-Chmielewska A., Baszniak K., Kurpanik J.

Wiadomości Statystyczne

|

2022

|

tom 67

|

nr 09

10

Specyfika danych zootechnicznych z zakresu hodowli i użytkowania koni

67%

Walkowicz E., Skrobanek P., Unold O., Maciejewski H., Dobrowolski M.

Zeszyty Naukowe Uniwersytetu Przyrodniczego we Wrocławiu. Biologia i Hodowla Zwierząt

|

2012

|

tom 64

Ograniczanie wyników

Zastosowanie metod data mining w prognozowaniu zużycia wody na cele bytowe w gospodarstwach wiejskich

Sztuczne sieci neuronowe w statystyce

XXVI Konferencja Naukowa „Zastosowania statystyki i data mining w badaniach naukowych"

Zastosowanie metody eksploracji danych w badaniach dynamiki zmian depozycji zanieczyszczen z atmosfery

Wielka niewiadoma. Czy powinniśmy ufać naszym własnym prognozom?

Oprogramowanie wspierające analizy danych metodami Data Mining

Ocena świadczeń emerytalnych w krajach europejskich

Zastosowanie technik data mining w zootechnice

Wpływ pandemii COVID-19 na stan zdrowia psychicznego społeczeństwa

Specyfika danych zootechnicznych z zakresu hodowli i użytkowania koni