Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Hodnocení kvality vody s použitím analýzy hlavních komponent hydrologických dat založené na SVD

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27360%2F05%3A00012969" target="_blank" >RIV/61989100:27360/05:00012969 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Water quality assessment using SVD-based principal component analysis of hydrological data

  • Popis výsledku v původním jazyce

    Principal component analysis (PCA) based on singular value decomposition (SVD) of hydrological data was tested for water quality assessment. Using two case studies of waste- and drinking water, PCA via SVD was able to find latent variables which explain80.8 % and 83.7 % of the variance, respectively. By means of scatter and loading plots, PCA revealed the relationships among samples and hydrochemical parameters which were also confirmed by factor analysis (FA).In the case of wastewater, these latent variables clearly displayed changes of water composition overtime. Drinking water samples were clustered into four groups which were characterized by their typical water composition. On the basis of these results PCA was found to be a suitable technique for water quality assessment.

  • Název v anglickém jazyce

    Water quality assessment using SVD-based principal component analysis of hydrological data

  • Popis výsledku anglicky

    Principal component analysis (PCA) based on singular value decomposition (SVD) of hydrological data was tested for water quality assessment. Using two case studies of waste- and drinking water, PCA via SVD was able to find latent variables which explain80.8 % and 83.7 % of the variance, respectively. By means of scatter and loading plots, PCA revealed the relationships among samples and hydrochemical parameters which were also confirmed by factor analysis (FA).In the case of wastewater, these latent variables clearly displayed changes of water composition overtime. Drinking water samples were clustered into four groups which were characterized by their typical water composition. On the basis of these results PCA was found to be a suitable technique for water quality assessment.

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    CB - Analytická chemie, separace

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2005

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Water SA

  • ISSN

    0378-4738

  • e-ISSN

  • Svazek periodika

    36

  • Číslo periodika v rámci svazku

    4

  • Stát vydavatele periodika

    ZA - Jihoafrická republika

  • Počet stran výsledku

    6

  • Strana od-do

    417-422

  • Kód UT WoS článku

  • EID výsledku v databázi Scopus