Full-text resources of CEJSH and other databases are now available in the new Library of Science.
Visit https://bibliotekanauki.pl

Results found: 8

first rewind previous Page / 1 next fast forward last

Search results

Search:
in the keywords:  modelowanie matematyczne
help Sort By:

help Limit search:
first rewind previous Page / 1 next fast forward last
Zarządzanie i Finanse
|
2015
|
vol. 3
|
issue 1
255-274
PL
Artykuł jest próbą wskazania optymalnej drogi rozwoju krajowego sektora energetycznego w warunkach niepewności. Przedstawione w publikacji wyniki analizy czułości wskazują na zakres i kierunek możliwych zmian struktury wytwarzania energii i najważniejszych parametrów ekonomicznych dla wysoce niepewnych parametrów rozwojowych sektora. Przeprowadzona analiza wrażliwości pozwoliła na wychwycenie najistotniejszych – z punktu widzenia zmiany struktury wytwarzania – czynników rozwojowych. Jako narzędzie prognostyczne wykorzystany został matematyczny model optymalizacyjny POWER-POL, autorskie narzędzie stworzone i wykorzystywane do analiz rozwoju krajowego sektora energetycznego. Obliczenia przeprowadzono dla scenariusza bazowego, a następnie w analizie czułości zmieniano wartości wybranych parametrów, które mogą mieć istotny wpływ na rozwój sektora. W scenariuszu bazowym w całym analizowanym okresie dominującą pozycję w bilansie energetycznym zachowuje węgiel kamienny, choć jego zużycie systematycznie spada. Pozycja węgla brunatnego jest stabilna, można nawet zaobserwować stały wzrost jego znaczenia w bilansie produkcyjnym. Systematycznie rośnie rola źródeł odnawialnych, gaz pełni rolę bilansującą. Energetyka jądrowa – dla stosunkowo niskich cen uprawnień zbywalnych oraz wysokich nakładów inwestycyjnych – nie jest realną i ekonomicznie uzasadnioną opcją rozwojową. W artykule opisano zmiany jedynie kilku kluczowych sektorowych parametrów wynikowych, takich jak zużycie węgla kamiennego i brunatnego, łączną emisję CO2, wysokość jednostkowych kosztów produkcji energii elektrycznej oraz poziom zdyskontowanych kosztów systemowych. Analiza umożliwiająca uszeregowanie badanych czynników z uwagi na siłę ich oddziaływania wskazuje, że największy wpływ na wysokość kosztów produkcji energii mają popyt na energię, cena węgla kamiennego i brunatnego oraz ceny uprawnień zbywalnych. Mniejsze zmiany można zaobserwować w przypadku zmienności kosztów inwestycyjnych technologii wiatrowych oraz limitu OZE.
Zarządzanie i Finanse
|
2016
|
vol. 3
|
issue 1
339-351
PL
W artykule opisano teoretyczne i empiryczne aspekty korygowania niekorzystnych efektów zewnętrznych. Podano znane w literaturze przedmiotu sposoby internalizacji kosztów zewnętrznych oraz przeszkody w ich realizacji, tj. ustalenie wspólnego właściciela, przypisanie praw własności oraz podatek Pigou. Empirycznej weryfikacji poddano ostatni sposób polegający na wprowadzeniu podatku Pigou. Wysokość podatku zaczerpnięto z własnych badań nad kosztami zewnętrznymi powodowanymi przez krajowe elektrownie systemowe. Przedmiotem badań był krajowy sektor energetyczny. Jako narzędzie prognostyczne wykorzystany został matematyczny model optymalizacyjny POWERPOL, autorskie narzędzie stworzone i wykorzystywane do analiz rozwoju krajowego sektora energetycznego. Kryterium decyzyjne modelu oparte jest na maksymalizacji dobrobytu społecznego, definiowanego jako suma nadwyżki konsumentów i producentów na rynku energii, pomniejszonych o koszty zewnętrzne. Obliczenia optymalizacyjne przeprowadzono dla dwóch scenariuszy: „bazowego” i „efektywnego”. W pierwszym z nich obliczany jest tzw. optymalny „mix produkcyjny” krajowego sektora energetycznego dla obowiązujących regulacji środowiskowych. W drugim scenariuszu wyznaczana jest optymalna struktura produkcji energii dla pełnej internalizacji kosztów zewnętrznych za pomocą opisanego wcześniej podatku. Jak wykazano, rodzaj zastosowanego kryterium decyzyjnego istotnie wpływa na wyniki obliczeń. W wariancie „bazowym” – mogącym stanowić punkt odniesienia do obecnie prowadzonego kierunku funkcjonowania krajowego sektora energetycznego – wysokość kosztów społecznych jest o ponad 14% wyższa niż w wariancie „efektywnym”. Oznacza to, że pełna internalizacja kosztów zewnętrznych jest ekonomicznie uzasadniona.
PL
Celem artykułu jest wskazanie dwóch odmiennych wizji rozwoju krajowego sektora energetycznego. Pierwsza z nich to model oparty na istniejących zasobach węgla kamiennego i brunatnego, uzupełniony technologiami alternatywnymi (wiatr, biomasa, energia jądrowa). Druga to model alternatywny, w którym uwzględniono ekonomiczne skutki emisji zanieczyszczeń gazowych. Jako narzędzie prognostyczne wykorzystany został matematyczny model optymalizacyjny. Obliczenia przeprowadzono dla dwóch scenariuszy: „bazowego” i „efektywnego”. W obliczany jest optymalny „mix produkcyjny” krajowego sektora energetycznego, w drugim – optymalna struktura produkcji energii dla pełnej internalizacji kosztów zewnętrznych. Wyniki obliczeń wskazują, że scenariusz „efektywnościowy” jest „droższy” od „bazowego” w sensie ponoszonych kosztów produkcji (prywatnych) – 638 mld zł w stosunku do 623 mld zł, jednak generuje o wiele niższe koszty zewnętrzne (275 zamiast 521 mld zł).
4
75%
PL
Doświadczenia zarówno z obszaru zadań badawczo-rozwojowych, jak i z przedsięwzięć projektowo-wdrożeniowych dotyczących wsparcia informatycznego produkcji statystycznej wskazują na zbyt małe, w stosunku do potencjalnych możliwości, wykorzystanie rozwiniętych metod modelowania matematycznego. Celem opracowania jest wykazanie, że efekty modelowania matematycznego w dziedzinie badań statystycznych mogą nie tylko przyczynić się do podniesienia efektywności przetwarzania danych w statystyce publicznej, lecz także wpływać na jakość wymagań funkcjonalnych odnośnie do wsparcia informatycznego badań statystycznych. Cel ten zrealizowano poprzez omówienie ogólnego modelu matematycznego badania statystycznego, ze szczególnym uwzględnieniem podstawowych faz produkcji statystycznej (zbierania, przetwarzania, analizy i udostępniania danych statystycznych), a także poprzez wskazanie zadań optymalizacyjnych i korzyści z nich wynikających w przypadku problemów, które mogą występować w procesie projektowania wsparcia informatycznego. Dla potwierdzenia użyteczności przedstawionego podejścia zaprezentowano — w postaci diagramu UML — koncepcję integracji efektów modelowania matematycznego i tradycyjnego projektowania wsparcia informatycznego.
EN
Experiences, both in the area of research and development tasks, as well as those from the project-implementation undertakings concerning IT support of statistical production, indicate that the use of developed mathematical modelling methods is too small in relation to potential possibilities. The aim of 22 Wiadomości Statystyczne nr 12 (691), 2018 the research is to demonstrate that the effects of mathematical modelling in the field of statistical research not only can contribute to the improvement of data processing efficiency in official statistics, but also affect the quality of functional requirements for IT support for statistical surveys. This objective was achieved by discussing the general mathematical model of statistical research, with particular emphasis on the basic phases of statistical production (collection, processing, analysis and dissemination of statistical data), as well as by indicating optimization tasks and benefits resulting from problems that may occur in the process of IT support design. In order to confirm the usefulness of the presented approach, the concept of integration of the effects of mathematical modelling and the traditional design of IT support was presented in the form of a UML diagram.
PL
W artykule przedstawiono zagadnienia związane z badaniami symulacyjnymi jakości estymacji stanu filtrem typu Kalman-Bucy. Badany obiekt stanowiła rzeka zanieczyszczona biochemicznie opisana równaniami różniczkowymi cząstkowymi typu hiperbolicznego. Jakość estymacji określano przy pomocy funkcjonału reprezentującego sumę kwadratu błędu w rozważanej przestrzeni rozwiązań. Na symulowany obiekt oddziaływano stochastycznymi zakłóceniami o rozkładzie gaussowskim dla różnych parametrów. Omówiono także problematykę doboru współczynnika wzmocnienia filtru, wartości początkowej estymacji, intensywności zakłóceń pomiarowych i ich wpływu na dokładność odwzorowania. Uzyskano zróżnicowaną jakość estymacji stanu, dobierając różne wartości parametrów podczas symulacji.
EN
The article presents the problems of the simulation study the quality of state estimation by filter Kalman-Bucy type. The test object was a river polluted biochemically described partial differential equations of hyperbolic type. Quality estimation determined using the sum square errors of estimation representing a functional of the solutions under consideration. On the simulated object interaction of stochastic interference of Gaussian distributions for various parameters. Also discussed the issue of selection of the filter gain, the initial estimation, the intensity of interference and measuring their impact on the accuracy of the mapping. Obtained varied quality of state estimation by choosing different values of parameters during the simulation
PL
W artykule przedstawiono model matematyczny zanieczyszczonej rzeki opisanej równaniami różniczkowymi typu hiperbolicznego oraz rozważania estymacji za pomocą filtra Kalmana-Bucy z dyskretnymi pomiarami. W rezultacie otrzymano dwa etapy badań, tj. filtrację i predykcję. W procesie estymacji wykorzystano pomiary jakości rzeki w stałych jej punktach, otrzymując wartości dyskretne, co następnie było kluczowe dla zagadnienia predykcji rozumianej jako równania w postaci ciągłej z warunkami początkowymi uzyskanymi w procesie filtracji generujące wartości przewidywane do następnych pomiarów. W badaniach uwzględniono dobór odpowiednich współczynników wzmocnienia filtru mającego istotne znaczenie na wartości błędu estymacji.
EN
This paper presents a mathematical model of a polluted river described differential equations of hyperbolic type, and consider estimation using the filter Kalman-Bucy with discrete measurements. As a result, it received two steps of etimation i.e. filtration and prediction. In the estimation process of river quality was used measurements of the fixed point, yielding discrete values, which then was crucial to issue a prediction understood as a continuous equation with the initial conditions obtained by a filtration process to generate the predicted values of subsequent measurements. The study included the selection of appropriate filter gain factors having a major influence on the estimation error.
PL
W artykule przedstawiono eksperymenty badań modeli matematycznych zanieczyszczonej biochemicznie wody dla różnych stopni złożoności. Jakość wody reprezentowana jest przez następujące wskaźniki: Biochemiczne Zapotrzebowanie na Tlen oraz Rozpuszczony Tlen. Badania symulacyjne przeprowadzono dla modelu matematycznego w postaci równań różniczkowych cząstkowych II rzędu, w których uwzględniono zjawisko dyfuzji, a także prędkości przepływu
XX
This paper presents experimental study of mathematical models of biochemical polluted water for different degrees of complexity. Water quality is represented by the following indicators: Biochemical Oxygen Demand and Dissolved Oxygen. Simulation studies were performed for a mathematical model of in the form of partial differential equations II-th order, which takes into account the phenomenon of diffusion, and flow velocity.
8
63%
PL
Obok powszechnie znanej odmiany formalnego modelowania zjawisk biologicznych, szczególnie ewolucyjnych, rozwijanej w postaci matematycznej, warto byłoby podjąć także próby modelowania formalnego zjawisk organicznych przy użyciu współczesnej logiki. Dotyczy to w szczególności kolektywnego (w mereologii) lub dystrybutywnego (w teorii mnogości) rozumienia klas lub zbiorów wielu przedmiotów, np. organizmów żywych, ich populacji i gatunków, a także składników organicznych właściwych poszczególnym organizmom (molekuły, komórki, organy). Ujęcie kolektywne odnosiłoby się do stanu owych zbiorów lub klasy, o ile są one warunkowane obiektywnie w samej przyrodzie. Natomiast ujęcie dystrybutywne dotyczyłoby językowo–badawczego przybliżania się wiedzy biologicznej do adekwatnego ujmowania owych zależności przyrodniczych.
EN
Two formal types of models of living processes, especially evolutionary ones, may be distinguished: the well-known mathematical type and the less-known logical one. The latter applies the terms “class” or “set”; both the terms are understood either in a collective sense (in mereology) or in a distributive sense (in set theory). These formal terms may be used among others to such organic multiplicities as populations or species of organisms, and to organic constituents (molecules, cells, organs) of living organism. Collective concepts refer to objects existing in nature, whereas distributive concepts refer to the linguistic and research constructions of models of natural objects, developed to cognitively grasp natural regularities.
first rewind previous Page / 1 next fast forward last
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.