Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

Publikacje Pracowników PL z lat 1990-2010

Publikacje pracowników Politechniki Lubelskie z lat 1990-2010 dostępne są jak dotychczas w starej bazie publikacji
LINK DO STAREJ BAZY

MNiSW
40
Lista 2021
Status:
Autorzy: Kujawska Justyna, Kulisz Monika, Aubakirova Zulfiya
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Rok wydania: 2022
Wersja dokumentu: Drukowana | Elektroniczna
Język: angielski
Wolumen/Tom: 2412
Numer artykułu: 012005
Strony: 1 - 9
Scopus® Cytowania: 2
Bazy: Scopus
Efekt badań statutowych NIE
Materiał konferencyjny: TAK
Nazwa konferencji: Computational Methods in Engineering Science
Skrócona nazwa konferencji: CMES 2022
URL serii konferencji: LINK
Termin konferencji: 24 listopada 2022 do 26 listopada 2022
Miasto konferencji: Zamość
Państwo konferencji: POLSKA
Publikacja OA: TAK
Licencja:
Sposób udostępnienia: Witryna wydawcy
Wersja tekstu: Ostateczna wersja opublikowana
Czas opublikowania: W momencie opublikowania
Data opublikowania w OA: 16 grudnia 2022
Abstrakty: angielski
Air quality control and its prediction are particularly important for human health and life. Sulfur dioxide constitutes one of the air pollutants that play an important role in air quality pollution. An artificial neural network model was employed to forecast the levels of sulfur dioxide in the air of Zamość (Poland). The measured data of the meteorological station of Zamość in 2017-2019 were used for the model. Temperature (T), relative humidity (RH), wind speed (WS), wind direction (WD), SO2, PM10, NO2, NOx, CO, O3, C6H6 were used as input parameters for building the neural network model. Regression value (R) and Mean Squared Error (MSE) were used to estimation the model. The results show that neural network is capable of predicting the sulfur dioxide levels in the air.