MODEL LOKALIZACJI CENTRÓW LOGISTYCZNYCH W WOJEWÓDZTWIE LUBUSKIM Z UŻYCIEM SIECI NIELINIOWEJ SVM

Transkrypt

1 Logstyka Anna BAZAN-KRZYWOSZAŃSKA, Mara MRÓWCZYŃSKA, Marta SKIBA MODEL LOKALIZACJI CENRÓW LOGISYCZNYCH W WOJEWÓDZWIE LUBUSKIM Z UŻYCIEM SIECI NIELINIOWEJ SVM W artykule przedstawono potencjalne możlwośc lokalzacj centrów logstycznych w województwe lubuskm w oparcu o punkty przestrzen, gdze krzyżują sę różne rodzaje transportu: drogowy, kolejowy, rzeczny czy lotnczy, wzmocnone potencjałem społecznym: wykwalfkowanych pracownków oraz czynnkem poltycznym, jakm jest klasyfkacja admnstracyjna mast. Problem wyboru lokalzacj, a także łączena centrów logstycznych w seć, jest jednym z najważnejszych zadań planowanych kerunków rozwoju w zakrese poltyk przestrzennej w welu krajach europejskch. Dlatego też planowana poltyka przestrzenna na pozome kraju regonu pownna wsperać rozwój zrównoważonej logstyk, obsługującej rynek krajowy. W artykule omówona została metoda modelowana oparta na podstawowych założenach metody SVM (Support Vector Machne) z zasadam budowy uczena sec neuronowych o welu wejścach jednym wyjścu. WSĘP Polska jako kraj tranzytowy, przeżywa trudnośc transportowe, zwązane ne tylko z rozbudową nfrastruktury. Głównym problemem jest brak spójnej poltyk na pozome kraju. Decyzja, o utworzenu centrum logstycznego (mejscu czase), pownna być wynkem śwadome przyjętego planu dzałana opartego na analze stanu potencjału gospodarek poszczególnych regonów kraju. Optymalna lokalzacja centrów logstycznych wymaga wyboru welu kryterów. Do tych elementów należą: uwarunkowana ekonomczne technczne, do których zalczamy m. n. te obszary, w których występują punkty przestrzen, gdze krzyżują sę różne formy transportu: drogowy, kolejowy, morsk czy lotnczy. Powązane różnych środków transportu w sprawny łańcuch (transport zrównoważony) wykazuje wyższą efektywność ekonomczną oraz znaczne ogranczene negatywnego wpływu na środowsko naturalne (Naperała, 013; Burchacz & Kuszewsk, 01). O dostępnośc komunkacyjnej danego obszaru śwadczy ne tylko przebeg ln transportowych, jak autostrady, które mmo welkej rol w optymalzacj przepływu ludz towarów, naberają znaczena poprzez wyznaczone mejsca, w których występuje rozszerzona oferta dodatkowych funkcj oraz przekerowane ruchu. Wele opracowań z zakresu nżyner bezpeczeństwa ruchu drogowego oraz analz pośwęconych przepływom ruchu drogowego wskazuje, że węzeł komunkacyjny jest warunkem konecznym, choć newystarczającym, do lokalzacj centrum logstycznego, a wartość węzła transportowego wynka z herarch cągów komunkacyjnych ch nadrzędnośc względem ln kolejowych (Naperała, 013). Województwo lubuske jest drugm w Polsce najmnejszym województwem pod względem lczby ludnośc (newele powyżej 1mln meszkańców). Obejmuje obszar o powerzchn ,89 km². Sedzbą wojewody jest Gorzów Welkopolsk, a władz samorządu województwa Zelona Góra. W województwe brakuje transportu ntermodalnego, występują jedyne nelczne stacje przeładunkowe kontenerów PKP CARGO. Punkty przeładunkowe znajdują sę m.n. w mastach: Zelona Góra, Gorzów Welkopolsk, Kostrzyn nad Odrą, Śwebodzn, Sulechów, Nowa Sól. Rys. 1. Schemat województwa lubuskego z zaznaczonym mejscowoścam położonym na skrzyżowanach korytarzy transportowych. 1. WOJEWÓDZWO LUBUSKIE Główne węzły komunkacyjne w województwe lubuskm znajdują sę w następujących mastach: Śwebodzn (Węzeł Śwebodzńsk) autostrada A (E30), drog krajowe: 3 (E65), 9, wojewódzke: 76, 303, lna kolejowa (E0 CE0), lotnsko o randze mędzynarodowej w Babmośce oddalone o 15 km od korytarza paneuropejskego Moskwa-Berln. W ramach os transportowej 6/016 AUOBUSY 145

2 Logstyka Berln-Warszawa funkcjonuje klka centrów logstycznych: Rzepn, Poznań, Warszawa. W analze, którą przedstawł Kabashkn z zespołem opsano, że do tej pory w polskch warunkach ne było pozytywnych dośwadczeń dotyczących lokalzacj regonalnego centra logstycznego, a admnstracja państwowa ne wydaje sę być zanteresowana tworzenem nfrastruktury logstycznej, ne ma też dzałań systemowych, pommo welu europejskch przykładów wspomagana systemu planowana realzacj sec centrów logstycznych (publczny sektor nemeck, włosk planowany czesk, węgersk) (Kabashkn et al., 005). W województwe lubuskm mejscem wyznaczonym pod lokalzację centrum logstycznego jest Śwebodzn. W plane zagospodarowana przestrzennego województwa lubuskego w kerunku poltyce nr 8 przedstawono węzeł Europejskego ransportu Multmodalnego w Śwebodzne. Na tej podstawe multmodalne funkcje węzła kontynentalnego skrzyżowana W-E N-S zostały wprowadzone do Studum uwarunkowań kerunków zagospodarowana przestrzennego masta gmny Śwebodzn, uchwalonego uchwałą nr XXXVI/505/013 Rady Mejskej w Śwebodzne z dna 30 wrześna 013 r., w ramach którego w rozdz Obszar funkcjonalny pasma urbanzacj gospodarczej wyznaczono jako: tereny przeznaczone do szeroko rozumanych dzałań nwestycyjnych, w tym dzałalnośc produkcyjnej, magazynowo - składowej oraz szeroko rozumanych usług komercyjnych, z jednoczesnym ukerunkowanem na przebudowę funkcjonalną porządkowane stnejących różnorodnych form zabudowy zagospodarowana terenu, a także udostępnenem do zabudowy potencjalnych terenów rozwojowych, z elmnacją lub ogranczenem sytuacj konflktowych. Ustalena planu województwa wskazują na potrzebę rozwoju lczby ludnośc Śwebodzna do ok. 40 tys. meszkańców, mającej zabezpeczyć obsługę planowanego do realzacj w ramach struktury Śwebodzna węzła multmodalnego, w którym planuje sę do realzacj ok. 5-6 tys. mejsc pracy, co uzasadnało budowę w tym rejone 6-10 tys. meszkań w perspektywe lat Genezą śwebodzńskego centrum multmodalnego był model funkcjonowana komunkacyjnego województwa lubuskego utworzony do planu zagospodarowana przestrzennego w 003 roku. Model został oparty na dwóch mastach: Zelonej Górze Gorzowe Welkopolskm, połączonych drogą ekspresową S3 z II paneuropejskm korytarzem z autostradą A-, lną kolejową Berln - Warszawa Moskwa w Śwebodzne, z nter - regonalnym lotnskem w Babmośce portem rzecznym w Cgaccach. Do tej pory ne powstało w Śwebodzne centrum logstyczne.. MEODOLOGIA.1. Obszar badań Na potrzeby artykułu, wytypowano 13 mejscowośc leżących na skrzyżowanach korytarzy transportowych w województwe lubuskm (tab. 1). W badań ne wzęto pod uwagę wpływu mejscowośc leżących poza grancam województwa lubuskego. Ocenę wag korytarza transportowego do modelowana przyjęto wg bontacj przedstawonej przez Wtkowskego (Wtkowsk, 015) ab. 1. Charakterystyka przyjętych do badań mejscowośc Nazwa Herarcha admnstracyjna sedz- Lczba ludnośc Klasyfkacja komunkacj drogowa/kolejowba: Czerweńsk gmny krajowa/mędzynarodowa Gorzów Wlkp. wojewody mędzynarodowa/krajowa Kostrzyn powatu krajowa/mędzynarodowa Krosno Odrz. powatu krajowa/krajowa Mędzyrzecz powatu mędzynarodowa/krajowa 5 05 Nowa Sól powatu mędzynarodowa/mędzynarodowa Rzepn gmny mędzynarodowa/mędzynarodowa Sulechów gmny mędzynarodowa/krajowa Śwebodzn powatu mędzynarodowa/mędzynarodowa 30 0 Zbąszynek gmny krajowa/mędzynarodowa Zelona samorządu Góra województwa mędzynarodowa/mędzynarodowa Żagań powatu krajowa/krajowa Żary powatu krajowa/krajowa Seć nelnowej SVM Istotą dzałana metody SVM jest konstrukcja optymalnej hperpłaszczyzny, która będze separowała dane należące do różnych klas, z maksymalnym margnesem zaufana (margnesem separacj). Przez margnes zaufana będzemy rozumel odległość hperpłaszczyzny od najblżej położonych punktów, na których będą sę tworzyły wektory podtrzymujące (rys. ). Punkty, na których utworzą sę wektory podtrzymujące leżą najblżej hperpłaszczyzny określają jej przebeg, ale jednocześne są najtrudnejsze do klasyfkacj. Szersze nformacje dotyczące klasyfkacj danych lnowo separowalnych oraz sposobów budowy optymalnej hperpłaszczyzny można znaleźć mędzy nnym w pracach: Bshop a (006), Jankowskego (003), Osowskego (006). Rys.. Optymalna hperpłaszczyzna o maksymalnym margnese separacj (Mrówczyńska 015a) Rozwązując zadane klasyfkacj danych lnowo neseparowalnych powszechne stosowanym rozwązanem jest zrzutowane danych orygnalnych do przestrzen funkcyjnej (przestrzen cech), w której dane stają sę z prawdopodobeństwem blskm 1 lnowo separowalne. Zwykle wymar przestrzen cech M jest dużo wększy nż wymar przestrzen orygnału N, a przeprowadzona transformacja jednej przestrzen do drugej jest transformacją nelnową (Haykn 1994, Cover 1965). Grafczna lustracja nelnowej transformacj danych neseparowalnych lnowo została przedstawona na rys. 3. Dane lnowo neseparowalne w dwuwymarowej przestrzen orygnału zostały przetransformowane do przestrzen cech, którą zdefnowano za pośrednctwem funkcj gaussowskch (Mrówczyńska, 015b) 146 AUOBUSY 6/016

3 Logstyka x c x exp, (1) gdze: - szerokość funkcj gaussowskej, - centra funkcj gaussowskch, x wektor wejścowy. c Rys. 4. Archtektura podstawowa sec nelnowej SVM (Mrówczyńska 015a) Rys. 3. Dane lnowo neseparowalne w przestrzen orygnału (rysunek po lewej) oraz dane lnowo separowalne w przestrzen cech (rysunek po prawej) (Mrówczyńska 015a) Po przeprowadzonej transformacj nelnowej dane stają sę lnowo separowalne mogą zostać rozdzelone jedną płaszczyzną separacj. Przebeg hperpłaszczyzny separującej klasy wyznaczany jest w przestrzen cech, a w przestrzen orygnału obserwujemy jedyne jej obraz. Załóżmy, że klasyfkacj podlega zbór par uczących x, d, 1,, N, gdze wartość zadana d jest równa 1 lub -1 natomast x jest wektorem wejścowym, który po zrzutowanu w przestrzeń K-wymarową jest reprezentowany przez zbór cech, j 1,, K. Po tak przeprowadzonej transformacj, równane hperpłaszczyzny separującej dane w przestrzen cech, zapszemy jako K gx w j j x b 0, () j 1 gdze: - waga prowadząca od neuronu w warstwe ukrytej do neuronu w j wyjścowego (rys. 4), b - polaryzacja, określająca położene hperpłaszczyzny względem początku układu współrzędnych. Sygnał neuronu wyjścowego dla sec o archtekturze przedstawonej na rysunku 4 zdefnowany jest za pomocą równana y w x b j x. (3) Analzując podstawową strukturę sec neuronowej SVM (rys. 4) można zauważyć, że jest to struktura analogczna do tej, jaką posadają sec o radalnych funkcjach bazowych (RBF). Różnca pomędzy nelnową secą SVM a secą radalną polega na tym, że funkcje x mogą przyjmować postać lnową, welomanową, radalną bądź sgmodalną (tab. ). x Uczene sec nelnowej SVM ma na celu take wyznaczene wartośc wektora wag w, aby dla danych neseparowalnych lnowo określć optymalną hperpłaszczyznę, która mnmalzuje prawdopodobeństwo popełnena błędu klasyfkacj przy jednoczesnym zachowanu warunku maksymalzacj margnesu separacj. Klasyfkując dane neseparowalne lnowo należy zdefnować neujemną zmenną dopełnająca, której zadanem jest zmnejszene aktualnej szerokośc margnesu separacj. ak postawony problem jest określany manem problemu perwotnego, który zapszemy jako przy ogranczenach mn 1 w (4), λ w w C d w x b 1 0 p 1 gdze: C - parametr przyjmowany arbtralne przez użytkownka, d wartość zadań równa +1. W początkowej faze uczena sec nelnowej SVM lczba wektorów podtrzymujących jest zwykle równa lczbe danych uczących. W trakce procesu uczena, w zależnośc od przyjętej wartośc parametru C (wartośc ogranczeń), złożoność sec jest redukowana tylko na częśc punktów tworzą sę wektory podtrzymujące. Warto podkreślć, że m wększa jest wartość parametru C tym węższy jest margnes separacj mnejsza lczba wektorów podtrzymujących. Dla małej wartośc parametru C seć doznaje zblżena w swom dzałanu do sec lnowej, przez co poszerza sę margnes separacj (Mrówczyńska 015a). Sygnał wyjścowy sec nelnowej SVM defnujemy jako y x w x b d Kx,x P sv 1 (5) b, (6) gdze: P sv - lczba wektorów podtrzymujących, która jest równa lczbe nezerowych mnożnków Lagrange a, Kx, x - funkcja jądra (ang. kernel functon). x 6/016 AUOBUSY 147

4 Logstyka Najczęścej wykorzystywane funkcje jąder zostały zestawone w tablcy 3. ab.. Przykłady funkcj jąder yp jądra Równane K(x, x) Komentarz Lnowe Welomanowe Radalne K x, x x x x, x x x b K 1 (gaussowske) K x, x exp 1 x x Sgmodalne K x, x x x b stopeń welomanu - wspólne dla wszystkch jąder ogranczena na 0 1 Jeżel zastosujemy jądro lnowe zbudowana seć jest w pełn lnowa bez warstwy ukrytej. Zastosowane funkcj sgmodalnej prowadz do archtektury odpowadającej sec neuronowej perceptronowej o jednej warstwe ukrytej. W przypadku wykorzystana funkcj gaussowskej otrzymamy seć o radalnych funkcjach bazowych, w której lczba funkcj bazowych ch centra są utożsamane z wektoram podtrzymującym. Podobne w secach sgmodalnych, lczba neuronów w warstwe ukrytej jest określana przez lczbę wektorów podtrzymujących. 3. WNIOSKI Z BADAŃ Na wynk procesu uczena sec nelnowej SVM mają wpływ ne tylko dane uczące, ale równeż sposób zdefnowana funkcj jąder oraz przyjęte wartośc ogranczeń (wartość parametru C). Odpowedno dobrana wartość parametru C pozwala na otrzymane hperpłaszczyzny w przestrzen cech, która w przestrzen orygnału transformuje sę w krzywą, dzelącą z mnmalnym błędem dane na dwe klasy. Poneważ lczba wektorów podtrzymujących jest uzależnona od parametru C, to m wększa jest jego wartość tym węższy margnes separacj mnejszy błąd klasyfkacj. Dla małej wartośc parametru C klasyfkacja jest obarczona wększym błędem, a seć w swom dzałanu jest zblżona do sec lnowej. Klasyfkację terenów, pod kątem ch przydatnośc do lokalzacj centrów logstycznych, przeprowadzono z uwzględnenem takch czynnków jak: lczba ludnośc w weku produkcyjnym (brano pod uwagę 13 ośrodków mejskch o lczbe ludnośc powyżej 8 000) oraz przynależność admnstracyjna: sedzba gmny, sedzba powatu, sedzba województwa). W pracy najlepsze wynk klasyfkacj z wykorzystanem sec SVM uzyskano stosując jako funkcję jądra funkcję radalną oraz parametr C=100. Dla tak przyjętych założeń przebeg grancy separacj oraz klasyfkacja obszarów przydatnych do lokalzacj centrów logstycznych posada wyraźne cążene w połudnowo-centralnej częśc województwa lubuskego, z wyraźne zaznaczonym ośrodkam jakm są: Żary, Żagań, Śwebodzn, Sulechów Zelona Góra. Wykorzystując sec SVM wyznaczono równeż współczynnk korelacj pomędzy danym wejścowym, jakm była lczba ludnośc oraz przynależność admnstracyjna a danym wejścowym w postac mejsca lokalzacj centrów. Współczynnk ten kształtował sę na pozome 0,63. Wynk badań uzasadna stnejące zagospodarowane. Połudne województwa jest mocnej zurbanzowane, a nfrastruktura komunkacyjna, na tym terene, jest gęstsza. A zatem przesłank dostępu do welogałęzowej nfrastruktury komunkacyjnej dostępność wykształconego personelu, warunkują wybór optymalnej lokalzacj centrum logstycznego. PODSUMOWANIE Mmo, że masto Śwebodzn jako centrum multmodalne zostało wprowadzone zapsane we wszystkch dokumentach strategcznych, poltycznych planstycznych województwa lubuskego, gmny Śwebodzn nnych oścennych gmn, na które taka nwestycja mogłaby oddzaływać, ne uzyskało poltycznego wsparca prawdopodobne ngdy samostne ne rozwne sę do pozomu mającego znaczene regonalne europejske. Dobrzyńska uznała, za w pełn operacyjne centra logstyczne pograncza polsko-nemeckego, korytarza przygrancznego, główne obsługujące transport kołowy: Berln Szczecn; Berln Kostrzyn Gorzów Welkopolsk; Berln Frankfurt Poznań/Zelona Góra; Cottbus Guben Zelona Góra; Berln Cottbus Wrocław, oraz klka nnych (w tym równeż transport kolejowy, na przykład: Guben Gubn; Horka Węglnec) (Dobrzyńska, 01). Zatem z sedmu połączeń pęć przechodz przez teren województwa lubuskego, a dwa przez Śwebodzn, co jest potencjałem wynkającym z położena. Analzy wyboru lokalzacj centrum logstycznego przedstawają wpływ na rynek pracy, zasoby, możlwy nadmar sły roboczej, jakość struktury zatrudnena kwalfkacj zawodowych, pozom wynagrodzeń w obszarze nwestycj. Należy podkreślć, że centrum logstyczne, ze względu na różnorodność wysok pozom usług, stwarza zapotrzebowane na wysoko wykwalfkowanych wyspecjalzowanych pracownków, a Śwebodzn ne posada szkolnctwa kształcącego na pozome wyższym (jedna szkoła pomaturalna) an zaplecza w postac potencjału ludzkego, gwarantującego pozyskane kadry przygotowanej do obsług centrum, brak tu równeż wększych zakładów pracy stanowących potencjał rynku pracy. Brak odpowednej nfrastruktury transportowej jest oznaką małego zanteresowana władz krajowych koncepcją rozwjana ogólnopolskej sec centrów logstycznych. W nadchodzących latach, Polska będze musała poradzć sobe bez spójnej sec centrów logstycznych, operając sę tylko na pojedynczych, komercyjnych centrach dystrybucyjnych. e obekty powstają w sprzyjających warunkach rynkowych budowane przez nwestorów prywatnych, którzy ne chcą czekać na decyzje rządu centralnego, często w mejscach, które ne są najbardzej korzystne z punktu wdzena zrównoważonego rozwoju przyszłej sec logstycznej poszczególnych regonów. Nektóre z bardzej znaczące frmy, które mają już własną nfrastrukturę postrzegają utworzene centrów logstycznych jako konkurencję dla ch dzałalnośc. Jednak małe średne przedsęborstwa postrzegają centra logstyczne jako szansę zwększena popytu na swoje usług poprawy oferty. Istneje zatem koneczność nterwencj publcznej zachęcającej do racjonalnego wykorzystana potencjału komunkacyjnego usługowego w tworzenu multmodalnych centrów logstycznych w województwe lubuskm. BIBLIOGRAFIA 1. Bshop C. M. 006: Pattern Recognton and Machne Learnngupport. Sprnger.. Cover. 1965: Geometrcal and statstcal propertrs of system sof lnear nequaltes wth applcatons n pattern recoqnton. IEEE rans. Electronc Computers, vol Dobrzyńska E., 014. Przewozy multmodalne bodźcem rozwojowym korytarza transportowego Ral Baltca Economcs and Management 1/ Fechner I., 004. Centra logstyczne w Europe. [w:] Sec logstyczne na zntegrowanym rynku europejskm, materały pokonferencyjne, Poznań. 5. Fusen I., Kemp J., 015. A revew of spatal plannng n Ghana's socoeconomc development trajectory: A sustanable development perspectve. Land Use Polcy. 6. Haykn S. 1994: Neural networks, a comprehensve foundaton. Macmllan College Publshng Company, New York. 148 AUOBUSY 6/016

5 Logstyka Jankowsk N. 003: Ontogemczme sec neuronowe. O secach zmenających swoją strukturę. Akademcka Ofcyna Wydawncza EXI, Warszawa. 9. Kabashkn I., Attonen L., Kapetanovc E., Kondratowcz L., Burchacz M., Czermansk E. Kowalczyk U., Łuczak B., Szwankowska B., 005. Case Study on Spatal Plannng and Logstcs Centres. Centre for Martme Studes, Unversty of urku, Fnland. 10. Kazmersk J., 01. Władze publczne w zarządzanu procesam rozwoju centrów logstycznych. Współczesne Zarządzane, Contemporary Management Quarterly 1/01, pp Koncepcja Planu Zagospodarowana Przestrzennego Kraju do 030 roku. 1. Marcysak A., Marcysak A., Penak-Lendzon K., 014. Zakres zman na rynku powerzchn magazynowych w Polsce. he range of changes n the warehouse market n Poland. Zeszyty Naukowe Unwersytetu Przyrodnczo-Humanstycznego w Sedlcach, Nr 10 Sera: Admnstracja Zarządzane, pp Mrówczyńska M., 015a. Klasyfkatory neuronowe typu SVM w zastosowanu do klasyfkacj przemeszczeń ponowych na obszarze LGOM. Zeszyty Naukowe Instytutu Gospodark Surowcam Mneralnym Energą PAN, Warszawa, pp Mrówczyńska M., 015b. Studum nad doborem metod ntelgencj numerycznej do rozwązywana problemów z geodezj nżyneryjnej. Ofcyna Wydawncza Unwersytetu Zelonogórskego. 15. Naperała., Adamak M., Wśnewsk S., 013. Regonalna seć drogowa determnantą lokalzacj centrów logstycznych w województwe łódzkm, ransport mejsk regonalny. 16. Obweszczene Prezesa Rady Mnstrów z dna 6 lpca 001 r. o ogłoszenu Koncepcj poltyk przestrzennego zagospodarowana kraju (M.P. 001 nr 6 poz. 43). 17. Osowsk S. 006: Sec neuronowe do przetwarzana nformacj. Ofcyna Wydawncza Poltechnk Warszawskej, Warszawa. 18. Studum uwarunkowań kerunków zagospodarowana przestrzennego gmny Śwebodzn (uchwała nr XXXVI/505/013 Rady Masta Gmny Śwebodzn). 19. Stratega Rozwoju Województwa Lubuskego. Aktualzacja z horyzontem czasowym do 00 roku, uchwała nr XV/91/000 Sejmku Województwa Lubuskego). 0. Ustawa z dna 7 marca 003 roku o planowanu zagospodarowanu przestrzennym (Dz. U. z 015 r. poz. 199 z późn. zm.). 1. Wtkowsk K.., 015. Uwarunkowana rozwoju centrów logstycznych w Polsce, Logstyka /015, maszynops. Model locaton logstcs centres n lubuske vovodshp usng network nonlnear SVM he artcle uses the potental locaton of logstcs centers n lubuske vovodshp based on the ponts where cross dfferent types of transport: road, ral, rver and ar and enhanced the potental of sklled workers and the poltcal factor, whch s the classfcaton of admnstratve ctes. he problem of ste selecton and combnng logstcs centers n the network, s one of the most mportant tasks planned developments n spatal polces n many European countres. hat why the planned spatal polcy at natonal and regonal level should support the development of sustanable logstcs, servng the domestc market. he artcle shown modelng method based on basc assumptons method of SVM (Support Vector Machne) wth the prncples of constructon and learnng neural networks wth multple nputs and one output. Autorzy: dr nż. Anna Bazan-Krzywoszańska Unwersytet Zelonogórsk w Zelonej Górze, Wydzał Budownctwa, Archtektury Inżyner Środowska. A.Bazan@au.uz.zgora.pl dr hab. nż. Mara Mrówczyńska Unwersytet Zelonogórsk w Zelonej Górze, Wydzał Budownctwa, Archtektury Inżyner Środowska. M.Mrowczynska@b.uz.zgora.pl dr nż. arch. Marta Skba Unwersytet Zelonogórsk w Zelonej Górze, Wydzał Budownctwa, Archtektury Inżyner Środowska. M.Skba@au.uz.zgora.pl 6/016 AUOBUSY 149