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”

A Neural Network Model for Predicting NOx at the Mělník 1 Coal-powder Power Plant

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21220%2F12%3A00204500" target="_blank" >RIV/68407700:21220/12:00204500 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://ctn.cvut.cz/ap/index.php?year=2012&idissue=80" target="_blank" >http://ctn.cvut.cz/ap/index.php?year=2012&idissue=80</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    A Neural Network Model for Predicting NOx at the Mělník 1 Coal-powder Power Plant

  • Popis výsledku v původním jazyce

    This paper presents a non-conventional dynamic neural network that was designed for real time prediction of NOx at the coal powder power plant Mělník 1, and results on real data are shown and discussed. The paper also presents the signal preprocessing techniques, the input-reconfigurable architecture, and the learning algorithm of the proposed neural network, which was designed to handle the non-stationarity of the burning process as well as individual failures of the measured variables. The advantagesof our designed neural network over conventional neural networks are discussed.

  • Název v anglickém jazyce

    A Neural Network Model for Predicting NOx at the Mělník 1 Coal-powder Power Plant

  • Popis výsledku anglicky

    This paper presents a non-conventional dynamic neural network that was designed for real time prediction of NOx at the coal powder power plant Mělník 1, and results on real data are shown and discussed. The paper also presents the signal preprocessing techniques, the input-reconfigurable architecture, and the learning algorithm of the proposed neural network, which was designed to handle the non-stationarity of the burning process as well as individual failures of the measured variables. The advantagesof our designed neural network over conventional neural networks are discussed.

Klasifikace

  • Druh

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

  • CEP obor

    BC - Teorie a systémy řízení

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/FR-TI1%2F538" target="_blank" >FR-TI1/538: Technologie měření pro pokročilé řízení spalovacích procesů</a><br>

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2012

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    Acta Polytechnica

  • ISSN

    1210-2709

  • e-ISSN

  • Svazek periodika

    52

  • Číslo periodika v rámci svazku

    3

  • Stát vydavatele periodika

    CZ - Česká republika

  • Počet stran výsledku

    6

  • Strana od-do

    17-22

  • Kód UT WoS článku

  • EID výsledku v databázi Scopus