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

Status:
Autorzy: Świetlicka Izabela, Sujak Agnieszka, Muszyński Siemowit, Świetlicki Michał
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Rok wydania: 2017
Wersja dokumentu: Drukowana | Elektroniczna
Język: angielski
Wolumen/Tom: 72
Strony: 759 - 765
Web of Science® Times Cited: 8
Scopus® Cytowania: 10
Bazy: Web of Science | Scopus | Web of Science Core Collection | Biological Abstracts | BIOSIS | Chemical Abstracts
Efekt badań statutowych NIE
Materiał konferencyjny: NIE
Publikacja OA: NIE
Abstrakty: angielski
Presented work reports on the use of artificial neural networks to recognize and classify water reservoir types (lakes, rivers) and the nature of their surroundings (forests, fields, meadows) based on the chemical composition of sediments. The quantitative content of a selection of elements (Ag, As, Ba Ca, Cd, Co, Cr, Cu, Fe, Hg, Mg, Mn, Ni, P, Pb, S, Sr, TOC – Total Organic Cabon, V and Zn) in the sediments of lakes and rivers in the Lublin Province (Poland) were taken and used as working data file. Statistical analysis suggested that both reservoir types and area usage differ in terms of the quantity of studied determinants (elements) and thus might be distinguished on their basis. Artificial neural networks were then examined with respect to their ability to recognize and classify the data. Multilayer perceptron was used as the statistical model. Constructed models were able to give correct answers in 74% of cases when classifying reservoir’s area usage and 100% for the type of body of water