| Identifikační kód | RIV/00216224:14330/14:00077069 |
|---|
| Název v anglickém jazyce | Emission prediction of a thermal power plant |
|---|
| Druh | D - Článek ve sborníku |
|---|
| Jazyk | eng - angličtina |
|---|
| Obor - skupina | I - Informatika |
|---|
| Obor | IN - Informatika |
|---|
| Rok uplatnění | 2014 |
|---|
| Kód důvěrnosti údajů | S - Úplné a pravdivé údaje o výsledku nepodléhající ochraně podle zvláštních právních předpisů. |
|---|
| Počet výskytů výsledku | 1 |
|---|
| Počet tvůrců celkem | 3 |
|---|
| Počet domácích tvůrců | 2 |
|---|
| Výčet všech uvedených jednotlivých tvůrců | Juraj Jurčo (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 8196087)
Lubomír Popelínský (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 9343199)
Karel Křehlík (státní příslušnost: CZ - Česká republika) |
|---|
| Popis výsledku v anglickém jazyce | The task of prediction of emissions is very challenging and also important. We argued that simple learning techniques that learn only one predictive model are not powerful enough in more complex situations. Better predictive results can be achieved by splitting data into smaller parts and for each part to learn a sub-model. We proposed and tested a novel method that combines meta-learning and ensemble learning. We showed that there is significant increase in prediction accuracy. |
|---|
| Klíčová slova oddělená středníkem | meta-learning; model prediction; boiler; NOx |
|---|
| Stránka www, na které se nachází výsledek | - |
|---|