pdf,1400KB - Tehnološko-metalurški fakultet - Univerzitet u Beogradu

pdf,1400KB - Tehnološko-metalurški fakultet - Univerzitet u Beogradu pdf,1400KB - Tehnološko-metalurški fakultet - Univerzitet u Beogradu

12.07.2015 Views

18 НАСТАВНО НАУЧНО ВЕЋЕ, 27.12.2012.

НАСТАВНО НАУЧНО ВЕЋЕ, 27.12.2012. 19NAUČNO-NASTAVNOM VEĆUTEHNOLOŠKO-METALURŠKOG FAKULTETAUNIVERZITETA U BEOGRADUNa sednici Nastavno-naučnog veća Tehnološko-metalurškog fakulteta Univerziteta u Beogradu,održanoj 25.10.2012. godine, imenovani smo za članove Komisije za ocenu i odbranu magistarsketeze pod nazivom „Razvoj modela za predviđanje indikatora životne sredine i održivog razvojaprimenom neuronskih mreža“, koji je predložila kandidatkinja Darinka Radojević, dipl. inž.tehnol. Komisija je pregledala magistarsku tezu i podnosi Nastavno-naučnom veću sledećiIZVEŠTAJA. Prikaz tezeMagistarska teza Darinke Radojević, dipl. inž. tehnologije, pod nazivom „Razvoj modelaza predviđanje indikatora životne sredine i održivog razvoja primenom neuronskih mreža“,napisana je na 115 strana, sadrži 33 slike, 31 tabelu, 120 literaturnih navoda i izvode na srpskom iengleskom jeziku.U ovoj magistarskoj tezi je ispitivana mogućnost primene neuronskih mreža zamodelovanje odabranih indikatora životne sredine, koji su značajni sa aspekta održivog razvoja:ukupna emisija gasova staklene bašte, ukupna emisija kiselih oksida, ukupna emisija prekursoraozona, ukupna emisija suspendovanih čestica i količina generisanog komunalnog otpada.Teza sadrži sledeća poglavlja: Indikatori životne sredine i održivog razvoja i Veštačkeneuronske mreže (teoretski deo), Metoda razvoja neuronskih mreža, Rezultati i diskusija iZaključak.U okviru Teorijskog dela, u poglavlju Indikatori životne sredine i održivog razvoja, datisu osnovni pojmovi o indikatorima, sistematizovani su postojeći konceptualni okviri indikatoraodrživog razvoja i izvršena je njihova analiza. Takođe, objašnjeni su i analizirani, do sadarazvijeni, sintezni indikatori održivog razvoja, dat je pregled metoda modelovanja indikatoraodrživog razvoja koje se primenjuju i istaknuti su nedostaci i problemi prilikom modelovanjatradicionalnim metodama.U poglavlju Veštačke nuronske mreže predstavljena je struktura veštačkih neuronskihmreža, njihova arhitektura i klasifikacija. Opisane su faze u procesu obučavanja i sistematizovanasu dosadašnja istraživanja mogućnosti primene veštačkih neuronskih mreža za modelovanjeindikatora održivog razvoja, posebno u oblastima energetskog sektora i emisije gasova sa efektomstaklene bašte. Istaknut je značaj veštačkih neuronskih mreža, kao novog pristupa u integralnompraćenju održivog razvoja, povezivanjem velikog broja indikatora u sferama ekonomije, socijalnograzvoja i životne sredine, jer do sada primenjivanim metodama nisu dobijeni zadovoljavajućirezultati, u vidu utrvđivanja jedinstvenog indikatora, i sa aspekta definisanja jasne zavisnostiizmeđu velikog broja indikatora.U okviru Eksperimentalnog dela, u poglavlju Metoda razvoja modela neuronske mreže,prikazan je standarni softverski alat NeuroShell koji je korišćen za dizajniranje i obučavanjeneuronskih mreža, kao i koraci u procesu razvoja modela troslojne veštačke neuronske mreža sapovratnim prostiranjem greške – backpropagation, korišćenjem raspoloživih alata u početnomsistemu NeuroShell. Definisani su izlazni i ulazni parameti mreže, kao i skupovi podataka,korišćeni za obučavanje i proveru postavljenog modela. Kao izlazni parametri, zbog svogznačajnog uticaja na kvalitet i stanje životne sredine i iz razloga dostupnosti podataka, izabrani susledeći indikatori: 1) ukupna emisija GHG (greenhouse gases); 2) ukupna emisija kiselih oksida;3) ukupna emisija prekursora ozona; 4) ukupna emisija suspendovanih čestica i 5) količinagenerisanog komunalnog otpada. U ovom poglavlju dati su i kratki opisi svakog indikatora, njihovznačaj, postojeće stanje i trendovi. Indikatori, izabrani kao izlazni parametri, su dovedeni u vezu sa

18 НАСТАВНО НАУЧНО ВЕЋЕ, 27.12.2012.

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!