ZAUTOMATYZOWANE STANOWISKO NAWIGACJI RADAROWEJ

Wielkość: px
Rozpocząć pokaz od strony:

Download "ZAUTOMATYZOWANE STANOWISKO NAWIGACJI RADAROWEJ"

Transkrypt

1 ZESZYY NAUKOWE AKADEMII MARYNARKI WOJENNEJ ROK LII NR 2 (85) 20 Krzysztof Czaplewsk Akadema Marynark Wojennej S ł awomr Ś werczyń sk Centralna Skł adnca Marynark Wojennej ZAUOMAYZOWANE SANOWISKO NAWIGACJI RADAROWEJ SRESZCZENIE Artykuł prezentuje rezultaty pracy naukowo-badawczej fnansowanej przez MNSW zrealzowanej w Instytuce Nawgacj Hydrograf Morskej AMW w Gdyn. Zakończony w marcu 200 roku projekt jest praktyczną realzacją badań teoretycznych realzowanych w cągu ostatnch dzesęcu lat. Efektem jest stworzene zautomatyzowanego stanowska do prowadzena nawgacj z wykorzystanem radaru. Automatyzacja oparta została na prostych metodach mnmalno- -odległoścowych oraz współczesnych metodach M-estymacj wykorzystywanych w geodezj kartograf. Artykuł zawera syntetyczny obraz realzowanych prac, które są efektem badań wszystkch członków zespołu. Słowa kluczowe: nawgacja, nawgacja radarowa, metody M-estymacj, automatyzacja procesów nawgacyjnych. WSĘ Aktualne stosowana defncja nawgacj [9] stanow, że jest to proces bezpecznego prowadzena pojazdu w odpowednm środowsku fzyczno-geografcznym. Bazując na nej, jednym z głównych zadań nawgacj morskej jest bezpeczne przeprowadzene jednostk pływającej z punktu wyjśca do punktu docelowego. W dobe rozwoju wysoko dokładnych systemów sateltarnych wększość rodzajów dzałalnośc ludzkej na morzu skupa sę wokół wykorzystana systemów sateltarnych. Jednakże w rejonach przybrzeżnych, szczególne w akwenach trudnych pod względem 7

2 Krzysztof Czaplewsk, Sławomr Śwerczyńsk nawgacyjnym, nadal nezastąpona jest nawgacja terrestryczna oparta na radarowym optycznym oznakowanu nawgacyjnym. Metody pozycjonowana dentyfkacj celów z wykorzystanem systemów terrestrycznych charakteryzują sę obecne nską dokładnoścą stosunkowo dużą pracochłonnoścą w porównanu z metodam nawgacj sateltarnej. Współczesna technka oraz rozwój metod opracowana danych, w połączenu z nowoczesnym systemam nformatycznym, pozwalają jednak na stotne zwększene dokładnośc, a także nezawodnośc szybkośc wyznaczeń pozycj obektów w nawgacj terrestrycznej. Szczególną rolę pełn nawgacja radarowa. roces prowadzena nawgacj w oparcu o zautomatyzowane systemy antykolzyjne (ARA AA) charakteryzuje sę jak dotąd stosunkowo różną dokładnoścą klasycznych radarów nawgacyjnych z jednoczesnym usprawnenem procesu analzy sytuacj w rejone pływana dzęk funkcj automatycznego śledzena obserwowanych obektów. ozwala to na pewne zmnejszene obcążena pracy ofcera wachtowego. odstawowym, naukowym celem projektu, którego wybrane wynk są prezentowane w nnejszym artykule, było zwększene dokładnośc nezawodnośc wyznaczeń w nawgacj radarowej (główne z zastosowanem urządzena ARA AA). Cel naukowy został osągnęty z zastosowanem współczesnych metod opracowana obserwacj nawgacyjnych geodezyjnych. o zakończenu wstępnych analz przeprowadzonych na początku projektu stwerdzono, że w procese dentyfkacj elmnacj wpływu na ostateczne wyznaczena błędnych ech radarowych mogą być zastosowane metody estymacj odpornej, o odpowedno dobranych funkcjach tłumena. Zaproponowany rozwój odpornych metod estymacj, w zastosowanu do opracowana obserwacj radarowych, wymagał ustalena warygodnych warunków początkowych (np. pozycj startowej w procese teracyjnym). W tym zakrese wykorzystano opracowane w Instytuce Nawgacj Hydrograf Morskej AMW w Gdyn metody nawgacj porównawczej [3]. ak rodzaj nawgacj pozwala już obecne na określene pozycj obektu (jednostk pływającej lub nnego obserwowanego echa) z dokładnoścą pksela (w zakrese pracy radaru), która ne jest wystarczającą dokładnoścą z punktu wdzena prowadzena współczesnej nawgacj morskej. Może ona jednak pełnć rolę wspomagającą w opsanym powyżej kontekśce. Szczegółowy ops M-estymacj wykorzystany w zakończonych pracach znaleźć można w []. Celem utyltarnym projektu było zbudowane stanowska automatyzacj oblczeń prezentacj wynków nawgacj radarowej wraz z budową analzatora jakośc prowadzonych badań. Ops stanowska oraz możlwośc wykorzystana są tematem nnejszego artykułu. 8 Zeszyty Naukowe AMW

3 Zautomatyzowane stanowsko nawgacj radarowej MEODY NAWIGACJI ORÓWNAWCZEJ Głównym źródłem nformacj obrazowej stosowanej w metodach nawgacj porównawczej jest radar nawgacyjny. Obraz radarowy jest odwzorowanem przestrzen otaczającej okręt. Na dokładność takego odwzorowana ma wpływ wele znekształceń charakterystycznych dla specyfk prowadzena obserwacj radarowej. Mają one wpływ na jakość obrazu radarowego powodują, że obraz ten różn sę od obrazu rzeczywstego, a jeszcze bardzej różn sę od obrazu mapy morskej. Informacja radarowa przekazywana jest do systemu zobrazowana map elektroncznych nformacj nawgacyjnej ECDIS. W systemach ECDIS obraz radarowy nakładany jest na mapę w pozycj wyznaczonej przez GS lub nny system nawgacyjny. W przypadku utraty tej nformacj obraz radarowy nakładany jest w mejsce pozycj zlczonej, której błąd szybko narasta w czase. Rozwązanem tego problemu mogą stać sę metody mnmalno-odległoścowe wykorzystywane w tzw. nawgacj porównawczej. Obrazy radarowe mapy morske porównywane są ze sobą wyznaczane jest mejsce najlepszego ch dopasowana. Za najlepsze usytuowane względem sebe obrazów odpowadać będze algorytm dopasowana obrazów. W wynku jego dzałana wyznaczany jest współczynnk dopasowana obrazów. Ma on decydujący wpływ na poprawne zgrane wszystkch elementów. Efektem pośrednm dzałana algorytmu będze wyznaczene pozycj obserwowanej. Wększość znanych algorytmów dzała w oparcu o metody mnmalno- -odległoścowe. Wywodzą sę one z algorytmu dentyfkacj Bayesa są najbardzej znanym rozpowszechnonym metodam klasyfkacyjnym dentyfkacyjnym. Wększość tych metod opera sę na tzw. funkcj podobeństwa. W metodach mnmalno-odległoścowych najważnejszą rzeczą jest dobór tej funkcj, poneważ od tego zależy efekt dopasowana obrazów pracochłonność całego procesu wyznaczana pozycj obserwowanej okrętu. Funkcje te możemy podzelć na funkcje odległośc: eukldesową, Hammnga, Czebyszewa, Camberra, Mnkowskego nne, a także funkcje blskośc: anmoto cosnusa kerunkowego. W funkcj odległośc lub blskośc oblczana jest sumaryczna odległość elementów obrazu radarowego od elementów obrazu mapy. Dla obrazów rastrowych oblczana jest odległość mędzy wartoścam pksel, natomast dla nwarantów konturowych oblczana jest odległość mędzy poszczególnym dyskretnym wartoścam funkcj obrazu radarowego mapy. rzy takch oblczenach możlwe jest jednak popełnene tzw. błędu grubego. Wyznaczona odległość do obrazu mapy dla dwóch obrazów radarowych różne wyglądających może być dentyczna (rys. a). 2 (85) 20 9

4 Krzysztof Czaplewsk, Sławomr Śwerczyńsk chart radar radar 2 d a) b) Rys.. Odstępstwa obrazu radarowego od mapy morskej z wykorzystanem: a) odległośc eukldesowej, b) odległośc Camberra Źródło: Sprawozdane końcowe z projektu badawczego nr 208/B/02/2007/33. Sytuacja taka może wystąpć, poneważ wększość funkcj odległośc bazuje na tzw. odległośc eukldesowej, opsanej zależnoścą: N n= 2 ( ), D = C n R n () gdze: C, wartośc poszczególnych elementów obrazu mapy obrazu radarowego. n R n Odmenną flozofą dzałana charakteryzują sę algorytmy operające sę na funkcj odległośc Camberra: N Ca Cn Rn D =. (2) C R n= n + Dla obrazów bnarnych wartośc funkcj są mocno skorelowane z odległoścą eukldesową. Inne wartośc otrzymujemy dla obrazów kolorowych (RGB 24 bty) lub zapsanych w 256 stopnach szarośc (8 btów). Odległośc medzy pkselam bardzo jasnym będą welokrotne mnejsze nż w przypadku pksel cemnejszych. W przypadku nwarantów konturowych odległośc mędzy lnam brzegowym będą zależeć od zakresu obserwacj (mnejsze dla wększych zakresów obserwacj rys. b). W tej sytuacj koneczne jest tzw. odwrócene zakresu obserwacj dla nwarantów konturowych. Dla mnejszych zakresów obserwacj znekształcena obrazów radarowych są znaczne mnejsze, dlatego w marę zblżana sę jednostk do ln brzegowej oczekuje sę bardzej precyzyjnego zgrana obrazów radarowych z mapą. 0 Zeszyty Naukowe AMW n

5 Zautomatyzowane stanowsko nawgacj radarowej Kolejną grupą funkcj podobeństwa są funkcje blskośc (cosnus kerunkowy, blskość anmoto). rzyjmują one wartośc odwrotne proporcjonalne nż w przypadku funkcj odległośc. Wskazują na blskość obrazów radarowych do obrazu mapy. Im obrazy są bardzej podobne (blższe), tym wększa jest wartość funkcj. Dla blskośc oblczanej za pomocą cosnusa kerunkowego, podobne jak w przypadku funkcj odległośc Camberra, koneczne jest wcześnejsze przygotowane obrazów radarowych. W algorytmach, gdze porównujemy obrazy jako btmapy, należy dokonać obrócena kolorów w obrazach radarowych do postac negatywów. W efekce uzyskamy wększą blskość dla pksel o wększym pozome jasnośc, czyl tych, które reprezentują obekty o wększej powerzchn skutecznego odbca. orównując obrazy nwarantne, ne jest koneczne dokonywane jakchkolwek transformacj. W przypadku blskośc anmoto ne dokonujemy wcześnejszych transformacj obrazów radarowych obrazów mapy. Inaczej funkcjonują algorytmy neuronowe. W wynku ch dzałana wyznaczana jest pozycja obrazu wzorca. Możlwe jest to dzęk procesow uczena. Specjalne zaprojektowana sztuczna seć neuronowa przechodz proces, w którym uczy sę rozpoznawać obrazy cągu uczącego. Cąg ten mus być reprezentatywny, tzn. pownen składać sę z obrazów zarejestrowanych z różnych pozycj w różnych warunkach hydrometeorologcznych. Do najczęścej stosowanych sec neuronowych w dopasowanu obrazów radarowych należą: perceptron welowarstwowy (Multlayer erceptron) seć GRNN (General Regresson Neural Network) [, 3]. Na podstawe badań własnych stwerdzono, że w odróżnenu od metod mnmalno- -odległoścowych algorytmy neuronowe aproksymują pozycję obrazu radarowego mędzy obrazam pojawającym sę w procese uczena. onadto charakteryzują sę tym, że dzałają szybko natychmastowo. roces uczena perceptronu jest czasochłonny ne należy do łatwych. Seć GRNN uczy sę szybko, lecz wymaga szybkch pojemnych maszyn lczących. Wykazują sę też małą odpornoścą na wystąpene błędów grubych. Dokładność opsanych metod porównawczego wyznaczana pozycj wykorzystujących algorytmy mnmalno-odległoścowe zależy główne od jakośc cągu uczącego. Główną ch zaletą jest fakt możlwośc zautomatyzowana całego procesu wyznaczana pozycj. MEODA M-ESYMACJI WYNIKÓW OBSERWACJI Znekształcena błędy obrazów radarowych ne mogą dyskwalfkować nawgacj radarowej jako źródła nformacj o pozycj własnej jednostk. Należy wyznaczyć 2 (85) 20

6 Krzysztof Czaplewsk, Sławomr Śwerczyńsk estymowaną (poprawoną) wartość pozycj na podstawe dodatkowych pomarów parametrów nawgacyjnych wykonanych z pozycj obserwowanej (porównawczej). Dowązujemy sę w ten sposób do pozycj zdentyfkowanego oznakowana nawgacyjnego wdocznego na ekrane radaru. Możlwość zwększena dokładnośc prowadzonych wyznaczeń mogą zapewnć nowoczesne metody rachunku wyrównawczego. Znane z geodezj metody wskazują na ch nterdyscyplnarność oraz możlwość szerokch zastosowań w nawgacj. Wykorzystując ponadto metody wyrównana odpornego, otrzymujemy możlwość uodparnana obserwacj nawgacyjnych obarczonych błędam grubym. olepszene jakośc ostatecznych wyznaczeń wartośc parametrów nawgacyjnych pozycj jest możlwe dzęk zastosowanu dodatkowych procedur. Muszą one uwzględnać utrzymane cechy automatycznośc całego procesu prowadzena nawgacj radarowej. W perwszej kolejnośc należy wyekstrahować z obrazu radarowego te echa, które pochodzą od oznakowana radarowego wchodzącego w skład struktury nawgacyjnej badanego akwenu, następne trzeba dokonać dentyfkacj tych punktów (ech radarowych). oprawna dentyfkacja umożlw przyporządkowane umejscowene punktów charakterystycznych na mape. Kolejne ostateczne zadane to określene zadana wyrównawczego jego realzacja. Zadane wyrównawcze sformułowano w oparcu o funkcjonalno-decyzyjny model elementu struktury nawgacyjnej (dostępnego oznakowana radarowego), model macerzy kowarancj wynków pomaru zastępowany w rozwązanu odpornym modelem ekwwalentnym (z zastosowanem decyzyjno-ekwwalentnej macerzy wag) oraz funkcję celu metody najmnejszych kwadratów. Zadane wyrównawcze oraz jego rozwązane nawązuje do podstawowych zasad odpornej na błędy grube pomaru M-estymacj. Z uwag na decyzyjny charakter modelu funkcjonalnego, stosowaną w tej estymacj ekwwalentną macerz wag zastąpono macerzą decyzyjno- -ekwwalentną. Decyzje co do wyboru warantu modelu funkcjonalnego są tutaj realzowane przez macerz decyzyjną, natomast uodpornene na błędy grube uzyskuje sę przez zastosowane macerzy tłumena. Iloczyn tych macerzy jest macerzą decyzyjno-tłumącą stanowącą podstawę zaproponowanej w [] funkcj celu decyzyjno-odpornego zadana wyrównawczego elementu łańcucha struktury nawgacyjnej. W zwązku z tym przyjęto, że w celu określena pozycj X, ) jednostk ( Y na morzu wykorzystuje sę namary NR lub/ odległośc d do charakterystycznych ech radarowych. W ten sposób uzyskano n obserwacj, (przy czym n>2). Współrzędne X, ), =, K, n, tych obektów, które dają nam charakterystyczne echa, ( Y są znane. ak układ geometryczny umożlwa utworzene równań poprawek, analogczne jak w [2, 2, 4]: 2 Zeszyty Naukowe AMW

7 Zautomatyzowane stanowsko nawgacj radarowej gdze: V NR ˆ ˆ X Xˆ + v = F ( X, Y ) = arctg Y Yˆ D V = F(X, =,..., n = [, v2, K, v n v ] X ˆ = [ X ˆ, Y ˆ ] wektor poprawek do zmerzonych namarów; wyrównane współrzędne okrętu na morzu. + ˆ ) (3) Zakładamy, że jest znany wektor przyblżonych współrzędnych jednostk o o o X = [X Y ]. Wówczas sprowadzając funkcję F( X ˆ ) do postac lnowej, przez rozwnęce w ogranczony do perwszych wyrazów szereg aylora uzyskuje sę []: gdze A ˆ o F( X ) = F(X ) + A dˆ x, (4) o = F(X ) przy czym ˆ o X = X + dˆ x. X Uwzględnając powyższe założene, układ równań poprawek można przedstawć w postac: D + V = F(Xˆ ) o D + V = F(X ) + A dˆ x V = Adx ˆ + L, (5) gdze L = F(X o ) D. Załóżmy, że są znane błędy średne m,m 2,,m wzajemne nezależnych wynków pomaru namarów NR,NR 2,,NR n. Dagonalna macerz Q = Dag( m, m, K, m ) D 2 n (macerz kofaktorów wynków pomaru) będze wtedy takm przyblżenem macerzy kowarancj C D = Dag( σ, σ 2, K, σ n ) gdze 2 m 0 neznany współczynnk warancj. 2 2 C D = m0q D = m0, (6) Nech ponadto ˆ Φ( dx ) = V C V = mn ˆ Φ( d x ) = V V = mn D 2 (85) 20 3

8 Krzysztof Czaplewsk, Sławomr Śwerczyńsk będze kryterum estymacj metodą najmnejszych kwadratów. roces wyznaczana neznanego wektora pozycj własnej można wówczas utożsamać z rozwązanem klasycznego zadana optymalzacyjnego w metodze najmnejszych kwadratów []: V ˆ = Adx + L 2 2 CD = m0qd = m0. ˆ Φ(dx ) = V V = mn (7) Jego rozwązanem jest (o le A A 0 ) onadto, poneważ ˆ dx = ( A A ) A L. (8) węc gdze ˆ V = A dx + L = A ( A A ) A + L Q V =, (9) V = Q L, (0) A V ( A A ) A jest macerzą kofaktorów poprawek V. QV jest tutaj rozumana jako take przyblżene macerzy kowarancj Macerz kofaktorów CV wektora V, że: 2 0 V Współczynnk warancj jest określany wyrażenem: C = m Q. () V m 2 0 = V V. (2) n = Jednakże w prowadzonych rozważanach przyjmuje sę, że m, wówczas C V = Q V. (3) 4 Zeszyty Naukowe AMW

9 Zautomatyzowane stanowsko nawgacj radarowej Załóżmy teraz, że któraś z odległośc lub namarów, na przykład wskutek błędnej dentyfkacj echa radarowego, jest obarczona błędem grubym. akej obserwacj będzemy przyporządkowywać tak zwaną ekwwalentną wagę p ), która będze wynkem tłumena orygnalnej (wynkającej z zakładanego błędu średnego pomaru) wag p. roces tłumena będze przebegał według zależnośc: ) p = t v ) p, (4) n ( n n gdze t ( v n ) funkcja tłumena o następujących podstawowych własnoścach: dla v Δv, v Δv : t v ) = t( v ); dla ( v Δv ) ( v Δv ) j j j j ( j, v < v j : t v ) > t( v ). ( j Δ v = kσ ; kσ są przedzałam dopuszczalnym dla poprawek v, rzedzały v v =, K, n, ustalanym przy zakładanym pozome ufnośc γ. rzyjmując, że v są zmennym losowym o rozkładach normalnych, można zapsać: gdze: 2 v γ = ( kσ v v k v ) ( k v k) exp dv, < < σ = < < = (5) 2π 2 σ odchylene standardowe -tej poprawk; v v = [CV ] v = poprawk standaryzowane o wspólnym przedzale dopuszczalnym σ v Δv =< k; k >. Na przykład dla γ = współczynnk k = 2. + k k Dla potrzeb prezentowanych badań przyjęto do analz duńską funkcję tłumena o postac: = t( v) dla exp{ l( v k) g } v k, k v > k. (6) 2 (85) 20 5

10 Krzysztof Czaplewsk, Sławomr Śwerczyńsk Wobec tego ekwwalentne wartośc wag będą ustalane według wzoru: ) p n = t( v n ) p n pn = exp g { l( v k) } n p n vn k, k dla v > k Na ogół przyjmuje, że l = 0,0 0,, g = 2. Jednakże wartośc parametrów l g pownny być doberane w sposób dośwadczalny. Źle dobrane parametry powodują nepotrzebne zwększene lczby kroków procesu teracyjnego rozwązującego odporne zadane wyrównawcze. n. (7) REZENACJA WYNIKÓW BADAŃ NA ELEKRONICZNEJ MAIE NAWIGACYJNEJ Stanowsko automatyzacj nawgacj radarowej wymaga opracowana dedykowanej przeglądark elektroncznej mapy nawgacyjnej dającej możlwośc automatycznego wyszukwana w komórkach ENC danych o oznakowanu nawgacyjnym, które znajdze sę we wskazanym przez radar obszarze. W ramach projektu badawczego, którego rezultaty opsywane są w nnejszym artykule, wykorzystano metodę tworzena przeglądarek elektroncznych map nawgacyjnych opsanych w [6]. Do poprawnej dentyfkacj obektów śledzonych przez radar nezbędna jest nformacja mapowa o obserwowanych echach. Wskazany obszar defnowany jest pozycją obserwowaną (ϕ, λ) oraz aktualnym zakresem pracy radaru. Do badań przyjmowano obrazy radarowe wyberane losowo z bazy danych. Obrazy mały znekształcena zakłócena typowe dla obserwacj radarowej. Dopasowywane były do obrazów mapy (cągu uczącego) w dwóch reprezentacjach cyfrowych: btmapy oraz nwarantu konturowego. Btmapa obrazu radarowego to perwotna postać otrzymana w wynku rejestracj. Cąg uczący nwarantów mapy morskej został przygotowany wcześnej, przed przystąpenem do badań w czase rzeczywstym. Zabeg te znaczne skrócły czas potrzebny na wyznaczene pozycj obserwowanej metodą porównawczą pozwolły na zachowane cechy automatycznośc wykonywanych zadań. roces dopasowana obrazów radarowych bez uwzględnana pozomów wagowych punktów charakterystycznych jest szybk możlwy do realzacj w czase rzeczywstym. Ne trzeba wykonywać dodatkowych przekształceń na obrazach, które opóźnają cały proces. rzy takm porównanu stneje pewne ryzyko otrzymana wększych błędów pozycj obserwowanej. Na rysunku 2a przedstawono sytuację, gdze punkty charakterystyczne ne wpływały na jakość dopasowana obrazów. 6 Zeszyty Naukowe AMW

11 Zautomatyzowane stanowsko nawgacj radarowej a) b) Rys. 2. Dopasowane obrazu radarowego: a) bez uwzględnena punktów charakterystycznych, b) na podstawe punktów charakterystycznych Źródło: Sprawozdane końcowe z projektu badawczego nr 208/B/02/2007/33. Echo radarowe ln brzegowej pokrywa sę z lną brzegową mapy. Na obraze wdoczne są echa pochodzące od oznakowana nawgacyjnego portów w Gdyn Gdańsku, ale ne pokrywają sę one z oznakowanem mapy. Wszystke elementy obrazu (pksele) mały jednakową wagę w algorytme dopasowana. Wpływ każdego pksela echa radarowego na wartość współczynnka dopasowana jest jednakowy (bez znaczena, czy jest to echo od ln brzegowej, czy oznakowana nawgacyjnego). Cężko jest wpasować echo radarowe pochodzące od oznakowana radarowego w pozycje tego oznakowana na mape. rudność ta wynka z faktu, że w przeprowadzonych testach pozycja oznakowana radarowego na mape zajmuje jeden pksel, a echo radarowe dentyfkowane jest jako zbór klkudzesęcu lub klkuset pksel. Można to zmenć, gdy zastosujemy metodę dopasowana obrazów poprzez wcześnejszą ekstrakcję punktów charakterystycznych obrazu radarowego. Koneczne jest określene newelkego obszaru wokół pozycj oznakowana nawgacyjnego na mape (np. promenem łukowana oznakowana pływającego). Jeżel echo radarowe punktu charakterystycznego pokryje sę z wyznaczonym obszarem, algorytm wygeneruje odpowedno duży współczynnk dopasowana. Wyznaczając pozycje tylko w oparcu o punkty charakterystyczne, otrzymujemy odmenną sytuację. Echo od ln brzegowej ne pokrywa sę z lną brzegową obrazu mapy, natomast punkty charakterystyczne obrazu dopasowane są prawdłowo z oznakowanem na mape (rys. 2b). Obraz radarowy punktów charakterystycznych jest bardzej stablny od obrazu ln brzegowej, mnej zależny od czynnków zewnętrznych dający slnejsze echo. W algorytmach dopasowana echa pochodzące od takch neruchomych obektów mają najwększą wagę. 2 (85) 20 7

12 Krzysztof Czaplewsk, Sławomr Śwerczyńsk rzedstawone dwa sposoby wyznaczena pozycj metodą dopasowana obrazów mają zarówno wady, jak zalety. erwszy polega na prostym szybkm poszukwanu zgodnośc btmapy obrazu radarowego mapy morskej. Zapewna on wyznaczene pozycj w czase rzeczywstym, ale często generuje błędy grube. Wykorzystując drug sposób, zakłada sę, że najważnejsze jest dopasowane punktów charakterystycznych obu obrazów. Wymaga on wykonana dodatkowego procesu ekstrakcj dentyfkacj punktów charakterystycznych, co powoduje spowolnene procesu wyznaczena pozycj. Dokładność tej metody zależy główne od poprawne przeprowadzonej dentyfkacj znaków. SANOWISKO BADAWCZE Końcowym efektem projektu jest stanowsko automatycznego wyznaczana pozycj jednostk analzatora badań. Zostało ono zbudowane w laboratorum manewrowana antykolzyjnego w Instytuce Nawgacj Hydrograf Morskej AMW w Gdyn (rys. 3.). Do zadań stanowska należy: rejestracja obserwacj, automatyczne wyznaczane pozycj jednostk na morzu oraz zobrazowane sytuacj na elektroncznej mape nawgacyjnej. W skład stanowska wchodz klka elementów: radar nawgacyjny, stanowsko ndywdualne symulatora ARA, nterfejs radar-c Blackbox frmy Nobeltec z zestawem komputerowym lub komputer ze specjalzowaną kartą Mars C Radar kt. Wzualzacja odbywa sę na 42-calowym montorze. Obrazy radarowe pozyskwane są w czase rzeczywstym poprzez transmsję z wykorzystanem nterfejsu BB frmy Nobeltec oraz w trybe offlne w wynku rejestracj przeprowadzonej w morzu (moblny zestaw do rejestracj obrazów radarowych). Rys. 3. Realzacja stanowska badawczego w laboratorum manewrowana antykolzyjnego INHM AMW Źródło: Sprawozdane końcowe z projektu badawczego nr 208/B/02/2007/33. 8 Zeszyty Naukowe AMW

13 Zautomatyzowane stanowsko nawgacj radarowej Do przeprowadzena badań morskch nezbędne jest posadane moblnego zestawu rejestrującego obrazy radarowe. Moblność zestawu otrzymano poprzez zamontowane specjalzowanej karty C Radar Kt w komputerze przenośnym. Zestaw wykorzystywany był do prowadzena badań morskch (rys. 4a). Radar MarsC Serwer Klent a) b) Rys. 4. Moblny zestawu do rejestracj przetwarzana obrazów radarowych: a) na jednostce pływającej, b) z wykorzystanem sec WIFI Źródło: Sprawozdane końcowe z projektu badawczego nr 208/B/02/2007/33. Router Moblny zestaw umożlwa także wykorzystane sec WF do transmsj zobrazowana radarowego. Jest to cecha szczególne użyteczna w przypadku prób morskch na jednostce pływającej. W tej konfguracj komputer z kartą Mars pełn rolę serwera kontaktuje sę z klentem poprzez router (rys. 4b). Na stanowsku nezbędne jest zntegrowane obserwacj radarowej z elektronczną mapą nawgacyjną. Dane z mapy radaru przesyłane są do głównej aplkacj automatyzacj nawgacj radarowej. Zasadnczym funkcjam realzowanym przez opracowaną aplkację są: wczytane map; wczytane obrazów radarowych w pozycję zlczoną; wyznaczene pozycj obserwowanej na podstawe porównana obrazów; oszacowane parametrów obszaru wyszukwana radarowego oznakowana nawgacyjnego; wyszukane dostępnego oznakowana w przeszukwanym sektorze; wyznaczene pozycj estymowanej. Aplkacja bazuje na zobrazowanu ENC. Na jej podstawe, przez nawgatora, wyszukwane są punkty dentyfkowane jako punkty charakterystyczne wyekstrahowane 2 (85) 20 9

14 Krzysztof Czaplewsk, Sławomr Śwerczyńsk z obrazów radarowych. Bardzo ważny jest odpowedn dobór zakresu obserwacj radarowej. ownen on zapewnć wdoczność ln brzegowej znaków nawgacyjnych, a w marą zblżana sę do brzegu, pownen być redukowany do optymalnego, który zapewn dostępność nezbędnej lczby punktów charakterystycznych występujących w akwene przybrzeżnym. Obraz radarowy przed wczytanem do aplkacj przechodz szereg transformacj. erwszym krokem jest zarejestrowane go za pomocą karty Mars C Radar Kt wczytane do pamęc. Kolejny etap to dobór kolorów reprezentujących wystąpene echa radarowego. Kolor pownen posadać cechy przezroczystośc, aby mógł wyróżnać echo radarowe na tle lądu oznakowana zobrazowanego na mape. rzygotowana aplkacja umożlwa wylczene prezentowane na ekrane współrzędnych pozycj zlczonej, obserwowanej estymowanej. ozycja zlczona oblczana jest w sposób cągły. Rejestracj obrazów radarowych towarzyszy proces zlczena matematycznego drog jednostk określane jej pozycj wraz z narastającym błędem pozycj, zależnym główne od czasu zlczena błędu ostatnej pozycj obserwowanej. Obraz radarowy przesuwa sę po obraze mapy nawgacyjnej w celu wzorowego dopasowana. Rys. 5. Wyznaczene obszaru poszukwań mejsca precyzyjnego zgrana obrazu radarowego mapy morskej Źródło: Sprawozdane końcowe z projektu badawczego nr 208/B/02/2007/33. W tej sytuacj cały obraz radarowy zawera sę w oszacowanym wyżej obszarze ( = 99,7%). Kolejne zadane to wyznaczene pozycj obserwowanej. Realzowane jest to w bloku nawgacj porównawczej. Stanow on oddzelną aplkację programową. Obraz radarowy obraz mapy przetwarzane są do reprezentacj nwarantu konturowego. odczas tworzena nwarantu pomjane są echa radarowe pochodzące od pojedynczych odosobnonych obektów. Aplkacja wykorzystuje funkcję 20 Zeszyty Naukowe AMW

15 Zautomatyzowane stanowsko nawgacj radarowej odległośc Eukldesa do określena współczynnka wzajemnego dopasowana obrazów. Obrazy porównywane są dopasowywane także w swojej perwotnej postac, czyl w reprezentacj rastrowej. Zastosowany jest prosty algorytm dopasowana zwany metodą wzorców, gdze porównywane są ze sobą wag odpowadających sobe pksel obrazów. Wybór metody reprezentacj obrazów zależy od decyzj operatora. Rys. 6. ozycja najlepszego dopasowana obrazu radarowego mapy morskej Źródło: Sprawozdane końcowe z projektu badawczego nr 208/B/02/2007/33. Końcowy etap dzałana aplkacj to poprawa pozycj obserwowanej, otrzymanej w wynku dopasowana obrazów, metodą wyrównana. Zgrywane obrazu radarowego z obrazem elektroncznej mapy nawgacyjnej metodą wyrównana daje dobre rezultaty, szczególne w sytuacj gdy mamy do dyspozycj dużą lczbę pomarów odległośc namarów do zdentyfkowanego oznakowana nawgacyjnego (tzw. pomarów nadlczbowych). Aplkacja umożlwa dokonane wyrównana klasycznego wynków pomarów pozycj obserwowanej. Należy jednak meć śwadomość tego, że klasyczna metoda wyrównana ne jest odporna na błędy grube w sytuacj pomyłk w dentyfkacj oznakowana błąd pozycj może być wększy nż przed wyrównanem. Rozwązanem tego problemu może być zastosowane zmodyfkowanej metody najmnejszych kwadratów, zwanej wyrównanem odpornym. Wyberając w aplkacj metodę wyrównana odpornego, operator mus dokonać wyboru funkcj tłumena pomędzy funkcją Hampela lub duńską oraz ustawć główne ch parametry. 2 (85) 20 2

16 Krzysztof Czaplewsk, Sławomr Śwerczyńsk ES SRAWDZAJĄCY onżej przedstawony został jeden z wykonanych testów sprawdzających na przykładze klasycznego wyrównana wynków pomarów pozycj obserwowanej. ozycję wyznaczono na podstawe obserwacj punktów charakterystycznych. Dane wejścowe podane są w tabel. Obraz radarowy został dopasowany do mapy w pozycj ϕ = 54 32' N, λ = 8 50' E. abela. Dane wejścowe do zadana UM Xmapa Ymapa Dmapa NRmapa UM Xradar Yradar Dradar NRradar UM Xmapa Ymapa Dmapa NRmapa Xradar Yradar Dradar NRradar numer strefy w UM współrzędna X znaku na mape współrzędna Y znaku na mape oblczona odległość do znaku na mape oblczony namar rzeczywsty do znaku na mape obserwowana współrzędna X znaku na obraze radarowym obserwowana współrzędna Y znaku na obraze radarowym zmerzona odległość do znaku na obraze radarowym zmerzony namar rzeczywsty do znaku na obraze radarowym. Źródło: Sprawozdane końcowe z projektu badawczego nr 208/B/02/2007/33. Wynk wyznaczeń w oparcu o namary do wybranych ech radarowych są następujące: macerz współczynnków przy newadomych NR Xmapa A = NR Ymapa ; Zeszyty Naukowe AMW

17 Zautomatyzowane stanowsko nawgacj radarowej 2 (85) macerz wyrazów wolnych = NR NR L radar mapa ; macerz wag = = m m m m m 2 NR 2 NR 2 NR 2 NR 2 NR ; estymator przyrostów do współrzędnych zlczonych = dˆ X ; wyrównane współrzędne pozycj = = + = Ŷ Xˆ dˆ X Xˆ X o ; wektor poprawek wykonanych obserwacj = V ;

18 Krzysztof Czaplewsk, Sławomr Śwerczyńsk wyrównane wartośc namarów rzeczywstych NR = ; wektor błędów średnch wyrównanych namarów m NR =.86 ; błąd wyznaczena pozycj estymowanej m 2 2 = m + m m. p = Xˆ Ŷ okazane wynk są przelczane z układu X, Y na geografczny układ współrzędnych. W nnejszym przykładze z powodu neskomplkowanej prezentacj wynków badań ne wykonano zamany w układ współrzędnych geografcznych. WNIOSKI. Rozwój elektronk nformatyk w ostatnch latach przynósł kolejne rozwązana w zakrese wykorzystana radaru do celów nawgacyjnych, szczególne do określana pozycj. Zastosowane nowych technolog pozwolło na odmenne podejśce do zagadnena mapy radarowej. Fotografowane obrazów radarowych zastąpono rejestracją sygnałów wzyjnych na nośnkach magnetycznych, a późnej cyfrowych. 2. Obecne rejestracja obrazów radarowych ne stwarza wększego problemu, a w dobe wzrostu bezpeczeństwa nawgacj staje sę nemal obowązkem narzuconym przez Mędzynarodową Organzację Morską (IMO). Urządzena typu VDR lub MDR (Voyage Data Recorder, Msson Data Recorder) zostały stworzone dla spełnena wymagań stawanych przez rezolucję IMO A.86(20) służą do zapsywana wszelkch nformacj z okrętu, poberanych ze wszystkch urządzeń, ne tylko nawgacyjnych, na jednostkach pływających. 24 Zeszyty Naukowe AMW

19 Zautomatyzowane stanowsko nawgacj radarowej 3. roces prowadzena nawgacj w oparcu o zautomatyzowane systemy antykolzyjne (ARA radary umożlwające automatyczne śledzene echa nnej jednostk oraz pozwalające prognozować sytuację nawgacyjną) charakteryzuje sę jak dotąd stosunkowo nską dokładnoścą. owodem tego są ne tylko trudne do wyelmnowana zakłócena fal radowych (wpływające na częstotlwość pracy radaru) oraz ogranczena technczne w prezentacj echa radarowego na ekrane, ale także błędna dentyfkacja echa radarowego, losowe determnstyczne zakłócena obserwacj radarowej oraz brak synchronzacj czasowej (lub brak jednoczesnośc) w procese pozyskwana nformacj radarowych o położenu obektów. 4. odstawowym naukowym celem zrealzowanego projektu było zwększene dokładnośc nezawodnośc wyznaczeń w nawgacj radarowej. Cel naukowy został osągany z zastosowanem współczesnych metod opracowana obserwacj nawgacyjnych geodezyjnych. W procese dentyfkacj elmnacj wpływu na ostateczne wyznaczena błędnych ech radarowych zastosowane zostały metody estymacj odpornej o odpowedno dobranych funkcjach tłumena. roponowany rozwój odpornych metod estymacj, w zastosowanu do opracowana obserwacj radarowych, wymagał ustalena warygodnych warunków początkowych (np. pozycj startowej w procese teracyjnym). W tym zakrese zastosowano opracowane w Instytuce Nawgacj Hydrograf Morskej Akadem Marynark Wojennej metody nawgacj porównawczej, które pozwalają na określene pozycj obektu (jednostk pływającej lub nnego obserwowanego echa) z dokładnoścą od 3 pksel. 5. Cel utyltarny osągnęto poprzez zbudowane stanowska automatyzacj oblczeń prezentacj wynków nawgacj radarowej, którego funkcjonalność opsano powyżej. BIBLIOGRAFIA [] Czaplewsk K., ostonng wth Interactve Navgatonal Structures Implementaton, Annual of Navgaton, 2004, No. 7 (rozprawa habltacyjna). [2] Czaplewsk K., Wąż M., Constructon of the Interactve Navgatonal Structure on the Bass of Radar Dsplay, Internatonal Conference ENC-GNSS, 2009, 3 6 May, Neapol, pp [3] Czaplewsk K., Wąż M., he Interactve Navgatonal Structure n Radar Navgaton, olsh Journal of Envronmental Studes, 2009, Vol. 8, No. 5A, pp [4] Czaplewsk K., Wśnewsk Z., Hybrd M-estmaton n Martme Navgaton, olsh Journal of Envronmental Studes, 2008, Vol. 7, No. 5A, pp [5] Czaplewsk K., Wśnewsk Z., heoretcal Foundaton for the Interactve Navgatonal Structure akng nto Consderaton the Determnstc Model of Survey Errors, Annual of Navgaton, 2007, No.. 2 (85) 20 25

20 Krzysztof Czaplewsk, Sławomr Śwerczyńsk [6] Naus K., Zastosowane dynamcznego odwzorowana perspektywcznego do zobrazowana elektroncznej mapy nawgacyjnej (rozprawa doktorska), Gdyna [7] Sprawozdane końcowe z projektu badawczego numer 208/B/02/2007/33. [8] Stateczny A., Wąż M., ozycjonowane bazujące na obrazach radarowych. Metody nawgacj porównawczej, Gdańske owarzystwo Naukowe, Gdyna [9] Urbańsk J., Kopacz Z., osła J., Nawgacja morska, cz. 2, AMW, Gdyna [0] Wąż M., Applcaton of Multlayer erceptron n Radar Navgaton, 4th Internatonal Conference Navy and Shpbuldng Nowadays, St. etersburg [] Wąż M., Cchock A., Zastosowane algorytmów porównawczych do określana pozycj okrętu, Zeszyty Naukowe AMW, 999, nr. [2] Wąż M., Czaplewsk K., Automaton of Radar Navgaton, European Journal of Navgaton, 2009, Vol. 7, No. 2, pp [3] Wąż M., Metoda wyznaczana pozycj okrętu za pomocą porównana obrazu radarowego z mapą morską (rozprawa doktorska), Gdyna [4] Wśnewsk Z., Metody opracowana wynków pomarów w nawgacj hydrograf, AMW, Gdyna [5] Wśnewsk Z., eoretyczne podstawy fltracj obserwacj nawgacyjnych uzyskanych z zastosowanem okładowej Sec omarowej, AMW, Gdyna 200. ES SAND FOR AUOMAION OF RADAR NAVIGAION ABSRAC he paper presents results of research work done n Insttute of Navgaton and Hydrography olsh Naval Academy. Our theoretcal work has been done over the last ten years. And now mplementaton phase has started. he results of the work s a test stand for automaton of radar navgaton. Navgators at sea can use the stand for automaton of radar navgaton durng executon of typcal navgatonal tasks. hs study was supported by a grant from Mnstry of Scence and Hgher Educaton. Keywords: navgaton, radar navgaton, M-estmaton method, automaton of navgaton processes. Recenzent dr nż. Ryszard Wawruch 26 Zeszyty Naukowe AMW

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x

Bardziej szczegółowo

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie. Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane

Bardziej szczegółowo

WikiWS For Business Sharks

WikiWS For Business Sharks WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej

Bardziej szczegółowo

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja) Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz

Bardziej szczegółowo

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości Podstawowe pojęca procesu pomarowego kreślene jakośc poznana rzeczywstośc Δ zmerzone rzeczywste 17 9 Zalety stosowana elektrycznych przyrządów 1/ 1. możlwość budowy czujnków zamenających werne każdą welkość

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej

Bardziej szczegółowo

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca

Bardziej szczegółowo

Urządzenia wejścia-wyjścia

Urządzenia wejścia-wyjścia Urządzena wejśca-wyjśca Klasyfkacja urządzeń wejśca-wyjśca. Struktura mechanzmu wejśca-wyjśca (sprzętu oprogramowana). Interakcja jednostk centralnej z urządzenam wejśca-wyjśca: odpytywane, sterowane przerwanam,

Bardziej szczegółowo

Za: Stanisław Latoś, Niwelacja trygonometryczna, [w:] Ćwiczenia z geodezji II [red.] J. Beluch

Za: Stanisław Latoś, Niwelacja trygonometryczna, [w:] Ćwiczenia z geodezji II [red.] J. Beluch Za: Stansław Latoś, Nwelacja trygonometryczna, [w:] Ćwczena z geodezj II [red.] J. eluch 6.1. Ogólne zasady nwelacj trygonometrycznej. Wprowadzene Nwelacja trygonometryczna, zwana równeż trygonometrycznym

Bardziej szczegółowo

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.

Bardziej szczegółowo

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5 MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając

Bardziej szczegółowo

STATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ],

STATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ], STATECZNOŚĆ SKARP W przypadku obektu wykonanego z gruntów nespostych zaprojektowane bezpecznego nachylena skarp sprowadza sę do przekształcena wzoru na współczynnk statecznośc do postac: tgφ tgα = n gdze:

Bardziej szczegółowo

Klasyfkator lnowy Wstęp Klasyfkator lnowy jest najprostszym możlwym klasyfkatorem. Zakłada on lnową separację lnowy podzał dwóch klas mędzy sobą. Przedstawa to ponższy rysunek: 5 4 3 1 0-1 - -3-4 -5-5

Bardziej szczegółowo

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe

Bardziej szczegółowo

Proces narodzin i śmierci

Proces narodzin i śmierci Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do

Bardziej szczegółowo

Analiza ryzyka jako instrument zarządzania środowiskiem

Analiza ryzyka jako instrument zarządzania środowiskiem WARSZTATY 2003 z cyklu Zagrożena naturalne w górnctwe Mat. Symp. str. 461 466 Elżbeta PILECKA, Małgorzata SZCZEPAŃSKA Instytut Gospodark Surowcam Mneralnym Energą PAN, Kraków Analza ryzyka jako nstrument

Bardziej szczegółowo

WYZNACZANIE WSPÓŁCZYNNIKA LEPKOŚCI CIECZY METODĄ STOKESA

WYZNACZANIE WSPÓŁCZYNNIKA LEPKOŚCI CIECZY METODĄ STOKESA WYZNACZANIE WSPÓŁCZYNNIKA LEPKOŚCI CIECZY METODĄ STOKESA. Ops teoretyczny do ćwczena zameszczony jest na strone www.wtc.wat.edu.pl w dzale DYDAKTYKA FIZYKA ĆWICZENIA LABORATORYJNE.. Ops układu pomarowego

Bardziej szczegółowo

ZAJĘCIA X. Zasada największej wiarygodności

ZAJĘCIA X. Zasada największej wiarygodności ZAJĘCIA X Zasada najwększej warygodnośc Funkcja warygodnośc Estymacja wg zasady maksymalzacj warygodnośc Rodzna estymatorów ML Przypadk szczególne WPROWADZEIE Komputerowa dentyfkacja obektów Przyjęce na

Bardziej szczegółowo

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 5(96)/2013

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 5(96)/2013 ZESZYTY NAUKOWE NSTYTUTU POJAZDÓW 5(96)/2013 Hubert Sar, Potr Fundowcz 1 WYZNACZANE MASOWEGO MOMENTU BEZWŁADNOŚC WZGLĘDEM OS PODŁUŻNEJ DLA SAMOCHODU TYPU VAN NA PODSTAWE WZORÓW DOŚWADCZALNYCH 1. Wstęp

Bardziej szczegółowo

Procedura normalizacji

Procedura normalizacji Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny

Bardziej szczegółowo

Pattern Classification

Pattern Classification attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter

Bardziej szczegółowo

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru

Bardziej szczegółowo

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np. Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas

Bardziej szczegółowo

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA Krzysztof Serżęga Wyższa Szkoła Informatyk Zarządzana w Rzeszowe Streszczene Artykuł porusza temat zwązany

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

Weryfikacja hipotez dla wielu populacji Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w

Bardziej szczegółowo

5. OPTYMALIZACJA GRAFOWO-SIECIOWA

5. OPTYMALIZACJA GRAFOWO-SIECIOWA . OPTYMALIZACJA GRAFOWO-SIECIOWA Defncja grafu Pod pojęcem grafu G rozumemy następującą dwójkę uporządkowaną (defncja grafu Berge a): (.) G W,U gdze: W zbór werzchołków grafu, U zbór łuków grafu, U W W,

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 2

Natalia Nehrebecka. Wykład 2 Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad

Bardziej szczegółowo

ZESZYTY NAUKOWE NR x(xx) AKADEMII MORSKIEJ W SZCZECINIE. Metody wymiarowania obszaru manewrowego statku oparte na badaniach rzeczywistych

ZESZYTY NAUKOWE NR x(xx) AKADEMII MORSKIEJ W SZCZECINIE. Metody wymiarowania obszaru manewrowego statku oparte na badaniach rzeczywistych ISSN 009-069 ZESZYTY NUKOWE NR () KDEMII MORSKIEJ W SZCZECINIE IV MIĘDZYNRODOW KONFERENCJ NUKOWO-TECHNICZN E X P L O - S H I P 0 0 6 Paweł Zalewsk, Jakub Montewka Metody wymarowana obszaru manewrowego

Bardziej szczegółowo

ZAŁĄCZNIK NR 1C KARTA USŁUGI Utrzymanie Systemu Kopii Zapasowych (USKZ)

ZAŁĄCZNIK NR 1C KARTA USŁUGI Utrzymanie Systemu Kopii Zapasowych (USKZ) Załącznk nr 1C do Umowy nr.. z dna.2014 r. ZAŁĄCZNIK NR 1C KARTA USŁUGI Utrzymane Systemu Kop Zapasowych (USKZ) 1 INFORMACJE DOTYCZĄCE USŁUGI 1.1 CEL USŁUGI: W ramach Usług Usługodawca zobowązany jest

Bardziej szczegółowo

PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE

PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE Janusz Wątroba, StatSoft Polska Sp. z o.o. W nemal wszystkch dzedznach badań emprycznych mamy do czynena ze złożonoścą zjawsk procesów.

Bardziej szczegółowo

Evaluation of estimation accuracy of correlation functions with use of virtual correlator model

Evaluation of estimation accuracy of correlation functions with use of virtual correlator model Jadwga LAL-JADZIAK Unwersytet Zelonogórsk Instytut etrolog Elektrycznej Elżbeta KAWECKA Unwersytet Zelonogórsk Instytut Informatyk Elektronk Ocena dokładnośc estymacj funkcj korelacyjnych z użycem modelu

Bardziej szczegółowo

65120/ / / /200

65120/ / / /200 . W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę

Bardziej szczegółowo

Estymowana pozycja radarowa

Estymowana pozycja radarowa WĄś Mariusz 1 NAUS Krzysztof 2 Estymowana pozycja radarowa WSTĘP Radar nawigacyjny jest spostrzegany jako pomoc nawigacyjna i w głównej mierze wykorzystywany jest do prowadzenia obserwacji i planowania

Bardziej szczegółowo

na zabezpieczeniu z połączeniu

na zabezpieczeniu z połączeniu 2011 Montorng Zabezpeczane obektów Jesteśmy zespołem fachowców, którzy dostarczają wysokej jakośc usług. Nasza dzałalnośćć koncentruje sę przede wszystkm na doskonałym zabezpeczenu państwa dóbr. Dostarczamy

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4 Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

Bardziej szczegółowo

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012 ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW (88)/01 Hubert Sar, Potr Fundowcz 1 WYZNACZANIE ASOWEGO OENTU BEZWŁADNOŚCI WZGLĘDE OSI PIONOWEJ DLA SAOCHODU TYPU VAN NA PODSTAWIE WZORU EPIRYCZNEGO 1. Wstęp asowy moment

Bardziej szczegółowo

DIAGNOSTYKA WYMIENNIKÓW CIEPŁA Z UWIARYGODNIENIEM WYNIKÓW POMIARÓW EKPLOATACYJNYCH

DIAGNOSTYKA WYMIENNIKÓW CIEPŁA Z UWIARYGODNIENIEM WYNIKÓW POMIARÓW EKPLOATACYJNYCH RYNEK CIEŁA 03 DIANOSYKA YMIENNIKÓ CIEŁA Z UIARYODNIENIEM YNIKÓ OMIARÓ EKLOAACYJNYCH Autorzy: rof. dr hab. nż. Henryk Rusnowsk Dr nż. Adam Mlejsk Mgr nż. Marcn ls Nałęczów, 6-8 paźdzernka 03 SĘ Elementam

Bardziej szczegółowo

Propozycja modyfikacji klasycznego podejścia do analizy gospodarności

Propozycja modyfikacji klasycznego podejścia do analizy gospodarności Jacek Batóg Unwersytet Szczecńsk Propozycja modyfkacj klasycznego podejśca do analzy gospodarnośc Przedsęborstwa dysponujące dentycznym zasobam czynnków produkcj oraz dzałające w dentycznych warunkach

Bardziej szczegółowo

2012-10-11. Definicje ogólne

2012-10-11. Definicje ogólne 0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj

Bardziej szczegółowo

Zadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane

Bardziej szczegółowo

SYMULACJA KOMPUTEROWA NAPRĘŻEŃ DYNAMICZNYCH WE WRĘGACH MASOWCA NA FALI NIEREGULARNEJ

SYMULACJA KOMPUTEROWA NAPRĘŻEŃ DYNAMICZNYCH WE WRĘGACH MASOWCA NA FALI NIEREGULARNEJ Jan JANKOWSKI *), Maran BOGDANIUK *),**) SYMULACJA KOMPUTEROWA NAPRĘŻEŃ DYNAMICZNYCH WE WRĘGACH MASOWCA NA FALI NIEREGULARNEJ W referace przedstawono równana ruchu statku w warunkach falowana morza oraz

Bardziej szczegółowo

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa.   PARA ZMIENNYCH LOSOWYCH Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 18. ALGORYTMY EWOLUCYJNE - ZASTOSOWANIA Częstochowa 2014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska ZADANIE ZAŁADUNKU Zadane załadunku plecakowe

Bardziej szczegółowo

WPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO

WPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO Walenty OWIECZKO WPŁYW PARAMETRÓW DYSKRETYZACJI A IEPEWOŚĆ WYIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO STRESZCZEIE W artykule przedstaono ynk analzy nepenośc pomaru ybranych cech obektu obrazu cyfroego. Wyznaczono

Bardziej szczegółowo

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych) Statystyka - nauka zajmująca sę metodam badana przedmotów zjawsk w ch masowych przejawach ch loścową lub jakoścową analzą z punktu wdzena nauk, do której zakresu należą.

Bardziej szczegółowo

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są

Bardziej szczegółowo

METODY PLANOWANIA EKSPERYMENTÓW. dr hab. inż. Mariusz B. Bogacki

METODY PLANOWANIA EKSPERYMENTÓW. dr hab. inż. Mariusz B. Bogacki Metody Planowana Eksperymentów Rozdzał 1. Strona 1 z 14 METODY PLANOWANIA EKSPERYMENTÓW dr hab. nż. Marusz B. Bogack Marusz.Bogack@put.poznan.pl www.fct.put.poznan.pl/cv23.htm Marusz B. Bogack 1 Metody

Bardziej szczegółowo

Zadanie na wykonanie Projektu Zespołowego

Zadanie na wykonanie Projektu Zespołowego Zadane na wykonane Projektu Zespołowego Celem projektu jest uzyskane następującego szeregu umejętnośc praktycznych: umejętnośc opracowana równoległych wersj algorytmów (na przykładze algorytmów algebry

Bardziej szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH

PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH Z a k ł a d U b e z p e c z e ń S p o ł e c z n y c h Wprowadzene Nnejsza ulotka adresowana jest zarówno do osób dopero ubegających

Bardziej szczegółowo

O PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH

O PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH Mateusz Baryła Unwersytet Ekonomczny w Krakowe O PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH Wprowadzene

Bardziej szczegółowo

NAFTA-GAZ marzec 2011 ROK LXVII. Wprowadzenie. Tadeusz Kwilosz

NAFTA-GAZ marzec 2011 ROK LXVII. Wprowadzenie. Tadeusz Kwilosz NAFTA-GAZ marzec 2011 ROK LXVII Tadeusz Kwlosz Instytut Nafty Gazu, Oddzał Krosno Zastosowane metody statystycznej do oszacowana zapasu strategcznego PMG, z uwzględnenem nepewnośc wyznaczena parametrów

Bardziej szczegółowo

Realizacja logiki szybkiego przeniesienia w prototypie prądowym układu FPGA Spartan II

Realizacja logiki szybkiego przeniesienia w prototypie prądowym układu FPGA Spartan II obert Berezowsk Natala Maslennkowa Wydzał Elektronk Poltechnka Koszalńska ul. Partyzantów 7, 75-4 Koszaln Mchał Bałko Przemysław Sołtan ealzacja logk szybkego przenesena w prototype prądowym układu PG

Bardziej szczegółowo

Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja

Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja Modelowane oblczena technczne Metody numeryczne w modelowanu: Optymalzacja Zadane optymalzacj Optymalzacja to ulepszane lub poprawa jakośc danego rozwązana, projektu, opracowana. Celem optymalzacj jest

Bardziej szczegółowo

Jakość cieplna obudowy budynków - doświadczenia z ekspertyz

Jakość cieplna obudowy budynków - doświadczenia z ekspertyz dr nż. Robert Geryło Jakość ceplna obudowy budynków - dośwadczena z ekspertyz Wdocznym efektem występowana znaczących mostków ceplnych w obudowe budynku, występującym na ogół przy nedostosowanu ntensywnośc

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 4 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających

Bardziej szczegółowo

Laboratorium ochrony danych

Laboratorium ochrony danych Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane

Bardziej szczegółowo

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4. Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można

Bardziej szczegółowo

I. Elementy analizy matematycznej

I. Elementy analizy matematycznej WSTAWKA MATEMATYCZNA I. Elementy analzy matematycznej Pochodna funkcj f(x) Pochodna funkcj podaje nam prędkość zman funkcj: df f (x + x) f (x) f '(x) = = lm x 0 (1) dx x Pochodna funkcj podaje nam zarazem

Bardziej szczegółowo

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów. Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)

Bardziej szczegółowo

WSKAŹNIK OCENY HIC SAMOCHODU OSOBOWEGO W ASPEKCIE BEZPIECZEŃSTWA RUCHU DROGOWEGO

WSKAŹNIK OCENY HIC SAMOCHODU OSOBOWEGO W ASPEKCIE BEZPIECZEŃSTWA RUCHU DROGOWEGO WSKAŹNIK OCENY SAMOCHODU OSOBOWEGO W ASPEKCIE BEZPIECZEŃSTWA RUCHU DROGOWEGO Dagmara KARBOWNICZEK 1, Kazmerz LEJDA, Ruch cała człoweka w samochodze podczas wypadku drogowego zależy od sztywnośc nadwoza

Bardziej szczegółowo

Neural networks. Krótka historia 2004-05-30. - rozpoznawanie znaków alfanumerycznych.

Neural networks. Krótka historia 2004-05-30. - rozpoznawanie znaków alfanumerycznych. Neural networks Lecture Notes n Pattern Recognton by W.Dzwnel Krótka hstora McCulloch Ptts (1943) - perwszy matematyczny ops dzalana neuronu przetwarzana przez nego danych. Proste neurony, które mogly

Bardziej szczegółowo

Systemy Ochrony Powietrza Ćwiczenia Laboratoryjne

Systemy Ochrony Powietrza Ćwiczenia Laboratoryjne ś POLITECHNIKA POZNAŃSKA INSTYTUT INŻYNIERII ŚRODOWISKA PROWADZĄCY: mgr nż. Łukasz Amanowcz Systemy Ochrony Powetrza Ćwczena Laboratoryjne 2 TEMAT ĆWICZENIA: Oznaczane lczbowego rozkładu lnowych projekcyjnych

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne

Bardziej szczegółowo

Grupa: Elektrotechnika, wersja z dn Studia stacjonarne, II stopień, sem.1 Laboratorium Techniki Świetlnej

Grupa: Elektrotechnika, wersja z dn Studia stacjonarne, II stopień, sem.1 Laboratorium Techniki Świetlnej ul.potrowo 3a http://lumen.ee.put.poznan.pl Grupa: Elektrotechnka, wersja z dn. 29.03.2016 Studa stacjonarne, stopeń, sem.1 Laboratorum Technk Śwetlnej Ćwczene nr 6 Temat: Badane parametrów fotometrycznych

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy

Bardziej szczegółowo

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że Twerdzene Bezouta lczby zespolone Javer de Lucas Ćwczene 1 Ustal dla których a, b R można podzelć f 1 X) = X 4 3X 2 + ax b przez f 2 X) = X 2 3X+2 Oblcz a b Z 5 jeżel zak ladamy, że f 1 f 2 s a welomanam

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 3

Natalia Nehrebecka. Zajęcia 3 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a

Bardziej szczegółowo

Pomiary parametrów akustycznych wnętrz.

Pomiary parametrów akustycznych wnętrz. Pomary parametrów akustycznych wnętrz. Ocena obektywna wnętrz pod względem akustycznym dokonywana jest na podstawe wartośc następujących parametrów: czasu pogłosu, wczesnego czasu pogłosu ED, wskaźnków

Bardziej szczegółowo

Regulamin promocji zimowa piętnastka

Regulamin promocji zimowa piętnastka zmowa pętnastka strona 1/5 Regulamn promocj zmowa pętnastka 1. Organzatorem promocj zmowa pętnastka, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 grudna

Bardziej szczegółowo

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru

Bardziej szczegółowo

Przewodnik użytkownika

Przewodnik użytkownika Przewodnk użytkownka Aplkacja Mertum Bank Moblny Przejdź do mertum 2 moblny.mertumbank.pl Aktualzacja: grudzeń 2013 Szanowny Klence, Dzękujemy za zanteresowane naszą aplkacją. Aplkacja moblna Mertum Banku

Bardziej szczegółowo

8. Optymalizacja decyzji inwestycyjnych

8. Optymalizacja decyzji inwestycyjnych dr nż. Zbgnew Tarapata: Optymalzacja decyzj nwestycyjnych, cz.ii 8. Optymalzacja decyzj nwestycyjnych W rozdzale 8, część I przedstawono elementarne nformacje dotyczące metod oceny decyzj nwestycyjnych.

Bardziej szczegółowo

Sprawozdanie powinno zawierać:

Sprawozdanie powinno zawierać: Sprawozdane pownno zawerać: 1. wypełnoną stronę tytułową (gotowa do ćw. nr 0 na strone drugej, do pozostałych ćwczeń zameszczona na strone 3), 2. krótk ops celu dośwadczena, 3. krótk ops metody pomaru,

Bardziej szczegółowo

Badania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa

Badania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa Badana sondażowe Brak danych Konstrukcja wag Agneszka Zęba Zakład Badań Marketngowych Instytut Statystyk Demograf Szkoła Główna Handlowa 1 Błędy braku odpowedz Całkowty brak odpowedz (UNIT nonresponse)

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska. SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA Częstochowa 4 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TWIERDZENIE BAYESA Wedza pozyskwana przez metody probablstyczne ma

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3 Stansław Cchock Natala Nehrebecka Katarzyna Rosak-Lada Zajęca 3 1. Dobrod dopasowana równana regresj. Współczynnk determnacj R 2 Dekompozycja warancj zmennej zależnej Współczynnk determnacj R 2 2. Zmenne

Bardziej szczegółowo

Wykład IX Optymalizacja i minimalizacja funkcji

Wykład IX Optymalizacja i minimalizacja funkcji Wykład IX Optymalzacja mnmalzacja funkcj Postawene zadana podstawowe dee jego rozwązana Proste metody mnmalzacj Metody teracj z wykorzystanem perwszej pochodnej Metody teracj z wykorzystanem drugej pochodnej

Bardziej szczegółowo

MIĘDZYNARODOWE UNORMOWANIA WYRAśANIA ANIA NIEPEWNOŚCI POMIAROWYCH

MIĘDZYNARODOWE UNORMOWANIA WYRAśANIA ANIA NIEPEWNOŚCI POMIAROWYCH MIĘDZYNARODOWE UNORMOWANIA WYRAśANIA ANIA NIEPEWNOŚCI POMIAROWYCH Adam Mchczyńsk W roku 995 grupa nstytucj mędzynarodowych: ISO Internatonal Organzaton for Standardzaton (Mędzynarodowa Organzacja Normalzacyjna),

Bardziej szczegółowo

Zmodyfikowana technika programowania dynamicznego

Zmodyfikowana technika programowania dynamicznego Zmodyfkowana technka programowana dynamcznego Lech Madeysk 1, Zygmunt Mazur 2 Poltechnka Wrocławska, Wydzał Informatyk Zarządzana, Wydzałowy Zakład Informatyk Wybrzeże Wyspańskego 27, 50-370 Wrocław Streszczene.

Bardziej szczegółowo

MATERIAŁY I STUDIA. Zeszyt nr 286. Analiza dyskryminacyjna i regresja logistyczna w procesie oceny zdolności kredytowej przedsiębiorstw

MATERIAŁY I STUDIA. Zeszyt nr 286. Analiza dyskryminacyjna i regresja logistyczna w procesie oceny zdolności kredytowej przedsiębiorstw MATERIAŁY I STUDIA Zeszyt nr 86 Analza dyskrymnacyjna regresja logstyczna w procese oceny zdolnośc kredytowej przedsęborstw Robert Jagełło Warszawa, 0 r. Wstęp Robert Jagełło Narodowy Bank Polsk. Składam

Bardziej szczegółowo

Studia stacjonarne, II stopień, sem.1 Laboratorium Techniki Świetlnej

Studia stacjonarne, II stopień, sem.1 Laboratorium Techniki Świetlnej 60-965 Poznań ul.potrowo 3a http://lumen.ee.put.poznan.pl Grupa: Elektrotechnka, Studa stacjonarne, II stopeń, sem.1 Laboratorum Technk Śwetlnej wersja z dn. 08.05.017 Ćwczene nr 6 Temat: Porównane parametrów

Bardziej szczegółowo

Statystyka. Zmienne losowe

Statystyka. Zmienne losowe Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu

Bardziej szczegółowo

TRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE

TRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE POLITHNIKA RZSZOWSKA Katedra Podstaw lektronk Instrkcja Nr4 F 00/003 sem. letn TRANZYSTOR IPOLARNY HARAKTRYSTYKI STATYZN elem ćwczena jest pomar charakterystyk statycznych tranzystora bpolarnego npn lb

Bardziej szczegółowo

Metody predykcji analiza regresji

Metody predykcji analiza regresji Metody predykcj analza regresj TPD 008/009 JERZY STEFANOWSKI Instytut Informatyk Poltechnka Poznańska Przebeg wykładu. Predykcja z wykorzystanem analzy regresj.. Przypomnene wadomośc z poprzednch przedmotów..

Bardziej szczegółowo

Analiza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009

Analiza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009 Mara Konopka Katedra Ekonomk Organzacj Przedsęborstw Szkoła Główna Gospodarstwa Wejskego w Warszawe Analza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009 Wstęp Polska prywatyzacja

Bardziej szczegółowo

LABORATORIUM METROLOGII TECHNIKA POMIARÓW (M-1)

LABORATORIUM METROLOGII TECHNIKA POMIARÓW (M-1) LABORATORIUM METROLOGII TECHNIKA POMIARÓW (M-) wwwmuepolslpl/~wwwzmape Opracował: Dr n Jan Około-Kułak Sprawdzł: Dr hab n Janusz Kotowcz Zatwerdzł: Dr hab n Janusz Kotowcz Cel wczena Celem wczena jest

Bardziej szczegółowo

D Archiwum Prac Dyplomowych - Instrukcja dla studentów

D Archiwum Prac Dyplomowych - Instrukcja dla studentów Kraków 01.10.2015 D Archwum Prac Dyplomowych - Instrukcja dla studentów Procedura Archwzacj Prac Dyplomowych jest realzowana zgodne z zarządzenem nr 71/2015 Rektora Unwersytetu Rolnczego m. H. Kołłątaja

Bardziej szczegółowo

kosztów ogrzewania lokali w budynku wielolokalowym.

kosztów ogrzewania lokali w budynku wielolokalowym. OGRZEWNICTWO Cepłownctwo, Ogrzewnctwo, Wentylacja 42/9 (2011) 346 350 www.ceplowent.pl Optymalna metoda wyznaczana współczynnków wyrównawczych do ndywdualnego rozlczana kosztów ogrzewana w budynku welolokalowym

Bardziej szczegółowo

WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH

WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH Metrologa Wspomagana Komputerowo - Zegrze, 9-22 05.997 WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH dr nż. Jan Ryszard Jask, dr nż. Elgusz Pawłowsk POLITECHNIKA lubelska

Bardziej szczegółowo

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu PRACE KOMISJI GEOGRAFII PRZEMY SŁU Nr 7 WARSZAWA KRAKÓW 2004 Akadema Pedagogczna, Kraków Kształtowane sę frm nformatycznych jako nowych elementów struktury przestrzennej przemysłu Postępujący proces rozwoju

Bardziej szczegółowo

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT

Bardziej szczegółowo