Ograniczanie wyników

Czasopisma help
Autorzy help
Lata help
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 48

Liczba wyników na stronie
Pierwsza strona wyników Pięć stron wyników wstecz Poprzednia strona wyników Strona / 3 Następna strona wyników Pięć stron wyników wprzód Ostatnia strona wyników

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych:  aproksymacja
help Sortuj według:

help Ogranicz wyniki do:
Pierwsza strona wyników Pięć stron wyników wstecz Poprzednia strona wyników Strona / 3 Następna strona wyników Pięć stron wyników wprzód Ostatnia strona wyników
Zagadnienie wpływu warunków terenowych na dokładność aproksymacji powierzchni terenu w procesie redukcji NMT. Obecnie w Polsce do realizacji wielu zagadnień inżynierskich wykorzystywany jest coraz częściej numeryczny model terenu generowany na podstawie danych ze skaningu laserowego, który dostarcza odpowiednio dokładne i bardzo duże zbiory danych. Tak duże zbiory danych stwarzają istotne problemy przy dalszym ich przetwarzaniu. Powoduje to często potrzebę redukcji gęstości zbioru punktów NMT przy jego wykorzystywaniu dla różnych potrzeb. W pracy przedstawiono wyniki analiz przeprowadzonych w zakresie wpływu warunków terenowych na dokładność aproksymacji powierzchni terenu w procesie redukcji NMT. Do przeprowadzenia analiz wykorzystano autorską metodę oceny dokładności numerycznej aproksymacji powierzchni terenu oraz metodę prof. F. Ackermanna dotyczącą oceny dokładności cyfrowego modelu terenu. Otrzymano dobrą zbieżność wyników na podstawie obydwu metod.
7
Artykuł dostępny w postaci pełnego tekstu - kliknij by otworzyć plik
Content available

Aproksymacja powierzchni stopnia drugiego

88%
Na podstawie geodezyjnych, fotogrametrycznych czy radiowych obserwacji obiektów powłokowych określa się ich położenie, wymiary i kształt. Podstawą aproksymacji matematycznego modelu powierzchni, względem którego ocenia się stan geometryczny obiektu, są współrzędne przestrzenne punktów reprezentujących powłoką obiektu. W praktyce, wartości parametrów modelowych wyznacza się bez uwzględnienia dokładności tych współrzędnych. Macierz kowariancji dla współrzędnych punktów obserwowanych jest podstawą dla dokonania oceny dokładności wyznaczanych parametrów powierzchni i ich funkcji. W pracy przedstawiono algorytm umożliwiający ocenę dokładności estymowanych parametrów powierzchni. Określono miarę dopasowania modelu matematycznego do zaobserwowanego stanu geometrycznego powłoki, na podstawie którego można wnioskować o adekwatności modelu. Podano również metodę oszacowania estymatora wariancji jednostkowej odzwierciedlającego wpływ błędów tylko z tytułu pomiarów.
Two−component mixtures of either the Weibull distribution or the gamma distribution and the kernel density estimator were used for describing the diameter at breast height (dbh) empirical distributions of two−cohort stands. The data consisted of study plots from the Świętokrzyski National Park (central Poland) and areas close to and including the North Carolina section of the Great Smoky Mountains National Park (USA; southern Appalachians). Kernel density estimators belong to a class of nonparametric density estimators. Nonparametric estimators have no fixed structure and depend upon all the data points to reach an estimate. In this study the Weibull and the gamma mixture distributions were the most versatile models. The results also support the conclusion that there are only minor differences between the parametric models and the kernel density estimates.
The goals of this study are (1) to analyse the accuracy of the approximation of empirical distributions of diameter at breast height (dbh) using two−component mixtures of either the Weibull distribution or the gamma distribution in two−cohort stands, and (2) to discuss the procedure of choosing goodness−of−fit tests. The study plots were located in the Świętokrzyski National Park (central Poland) and in the Southern Appalachian Mountains (eastern USA). The results of the goodness−of−fit tests (chi−squared, Kolmogorov−Smirnov, Cramér−von Mises, and Anderson−Darling), normalised bias and normalised root mean square error, indicate that dbh empirical distributions of two−cohort stands are compatible with the mixture models investigated. The chi−squared test and the generalization of the Anderson−Darling test to discrete distributions should be used to assess whether empirical dbh data are consistent with a hypothesized null distribution.
Pierwsza strona wyników Pięć stron wyników wstecz Poprzednia strona wyników Strona / 3 Następna strona wyników Pięć stron wyników wprzód Ostatnia strona wyników
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.