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

MNiSW
40
Lista 2024
Status:
Autorzy: Suchorab Zbigniew, Mikušová Dominika, Paśnikowska-Łukaszuk Magdalena, Juszczyński Paweł, Trník Anton
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Rok wydania: 2024
Wersja dokumentu: Drukowana | Elektroniczna
Język: angielski
Numer czasopisma: 1
Wolumen/Tom: 2911
Numer artykułu: 012011
Strony: 1 - 7
Scopus® Cytowania: 1
Bazy: Scopus
Efekt badań statutowych NIE
Materiał konferencyjny: TAK
Nazwa konferencji: 6th Central European Symposium on Thermophysics
Skrócona nazwa konferencji: CEST 2024
URL serii konferencji: LINK
Termin konferencji: 4 września 2024 do 6 września 2024
Miasto konferencji: Miskolctapolca
Państwo konferencji: WĘGRY
Publikacja OA: TAK
Licencja:
Sposób udostępnienia: Witryna wydawcy
Wersja tekstu: Ostateczna wersja opublikowana
Czas opublikowania: W momencie opublikowania
Data opublikowania w OA: 23 grudnia 2024
Abstrakty: angielski
This article shows the possibility to adopt Support Vector Machine (SVM) learning method to predict moisture of building materials measured by the Time Domain Reflectometry (TDR) method. TDR is an indirect technique of moisture detection. It enables to evaluate apparent permittivity of moist material and then predict moisture using physical or empirical models. In this research it is presented the method that avoids evaluation of apparent permittivity value and estimate moisture basing on the raw TDR waveforms. SVM is one of the most popular machine learning methods that could be used both for classification and regression modelling. It is mostly applied for analysing of multidimensional signals, but could be also applied to evaluate moisture from raw TDR signals. SVM regression model allows quick estimation of material moisture and achieve similar or better measurement accuracy comparing to the standard calibration methods. Research was conducted on two types of building materials – the red and the silicate bricks and data analysis confirmed the suitability of SVM models in determining moisture content using the TDR method.