Integralna ocena jakości wody źródlanej z wykorzystaniem zestawu narzędzi logiki rozmytej
##plugins.themes.bootstrap3.article.sidebar##
Numer Tom 15 Nr 4 (2025)
-
Sterowanie lewitacją magnetyczną za pomocą regulatora PID z adaptacją opartą na liniowej interpolacji i algorytmie genetycznym
Dominik Fila, Andrzej Neumann, Bartosz Olesik, Jakub Pawelec, Kamil Przybylak, Mateusz Ungier, Dawid Wajnert5-9
-
Opracowanie systemu prognozowania awarii maszyn pakujących
Nataliia Huliieva, Nataliia Lishchyna, Viktoriya Pasternak, Zemfira Huliieva10-13
-
Opracowanie i weryfikacja modułowej, obiektowo zorientowanej architektury kontrolera logiki rozmytej dla konfigurowalnych i wbudowanych aplikacji
Rahim Mammadzada14-24
-
Energia pękania mechanicznego i właściwości strukturalno-mechaniczne przekąsek mięsnych z dodatkiem produktów pszczelich
Artem Antoniv, Igor Palamarchuk, Leonora Adamchuk, Marija Zheplinska25-31
-
Modelowanie procesów dynamicznych w układzie nieholonomicznym w postaci równania Gibbsa-Appella na przykładzie młyna kulowego
Volodymyr Shatokhin, Yaroslav Ivanchuk, Vitaly Liman, Sergii Komar, Oleksii Kozlovskyi32-38
-
Diagnostyka Covid-19 w czasie rzeczywistym na wbudowanych platformach IoT
Elmehdi Benmalek, Wajih Rhalem, Atman Jbari, Abdelilah Jilbab, Jamal Elmhamdi39-45
-
Hybrydowe modele do diagnozy choroby Parkinsona na podstawie pisma ręcznego
Asma Ouabd, Achraf Benba, Abdelilah Jilbab, Ahmed Hammouch46-50
-
System komputerowy do diagnostyki i terapii pomijania stronnego
Krzysztof Strzecha, Agata Bukalska-Strzecha, Krzysztof Kurzdym, Dominik Sankowski51-55
-
Informatyka i pomiary w opiece zdrowotnej: głębokie uczenie się w celu przewidywania ponownych hospitalizacji pacjentów z cukrzycą
Shiva Saffari, Mahdi Bahaghighat56-64
-
Optymalizacja dokładności nieinwazyjnego monitorowania poziomu glukozy za pomocą czujnika optycznego
Nurzhigit Smailov, Aliya Zilgarayeva, Sergii Pavlov, Balzhan Turusbekova, Akezhan Sabibolda65-70
-
Stochastyczna wielocelowa optymalizacja minimaksowa połączonego ekranu elektromagnetycznego w oparciu o trójwymiarowe modelowanie pola magnetycznego napowietrznych linii elektroenergetycznych
Borys Kuznetsov, Tatyana Nikitina, Alexander Kutsenko, Ihor Bovdui, Kostiantyn Czunikhin, Olena Voloshko, Roman Voliansky, Viktoriia Ivannikova71-75
-
Zaawansowane strategie zarządzania energią dla mikrosieci AC/DC
Zouhir Boumous, Samira Boumous, Tawfik Thelaidjia76-82
-
Eksperymentalne badanie układu przekształtnika wielostopniowego
Kyrmyzy Taissariyeva, Kuanysh Muslimov, Yerlan Tashtay, Gulim Jobalayeva, Lyazzat Ilipbayeva, Ingkar Issakozhayeva, Akezhan Sabibolda83-86
-
Prognozowanie parametrów strukturalnych w nanostrukturach plazmonicznych symulowanych metodą FDTD z wykorzystaniem uczenia głębokiego
Shahed Jahidul Haque, Arman Mohammad Nakib87-94
-
Opracowanie algorytmu obliczania procesów wymiany jonowej z użyciem ekosystemu Python
Iryna Chub, Oleksii Proskurnia, Kateryna Demchenko, Oleksandr Miroshnyk, Taras Shchur, Serhii Halko95-99
-
Inteligentny model sterowania niezawodnością i bezpieczeństwem w systemach transportu miejskiego
Anastasiia Kashkanova, Alexander Rotshtein, Andrii Kashkanov, Denis Katelnikov100-107
-
Analiza interakcji elementów modułowego systemu przechowywania paczek z wykorzystaniem diagramów UML
Lyudmila Samchuk, Yuliia Povstiana, Anastasia Hryshchuk108-116
-
Ocena zmodyfikowanych heurystyk wstawiania par w celu wystarczającego rozwiązania problemu transportu na żądanie w logistyce opieki zdrowotnej
Rodolfo Eleazar Pérez Loaiza, Aaron Guerrero-Campanur, Edmundo Bonilla Huerta117-123
-
Analiza nowoczesnych narzędzi, metod audytu i monitorowania bezpieczeństwa baz danych
Kateryna Mykhailyshyn, Oleh Harasymchuk, Oleh Deineka, Yurii Dreis, Volodymyr Shulha, Yuriy Pepa124-129
-
Poprawa jakości obrazów podwodnych poprzez połączenie metody Deep‑Retinex i sieci GAN
Anuradha Chinta, Bharath Kumar Surla, Chaitanya Kodali130-136
-
Matematyczna metoda oceny stanu cyberbezpieczeństwa usług chmurowych
Yevheniia Ivanchenko, Volodymyr Shulha, Ihor Ivanchenko, Yevhenii Pedchenko, Mari Petrovska137-141
-
Ocena wydajności wdrożeń LLM w wybranych usługach kontenerowych opartych na chmurze
Mateusz Stęgierski, Piotr Szpak, Sławomir Przyłucki142-150
-
Implementacja cech w języku C# przy użyciu Roslyn Source Generators
Mykhailo Pozur, Viktoria Voitko, Svitlana Bevz, Serhii Burbelo, Olena Kosaruk151-157
-
Wpływ dostosowywalnego harmonogramowania orkiestratora na wydajność uczenia maszynowego w urządzeniach brzegowych
Konrad Cłapa, Krzysztof Grudzień, Artur Sierszeń158-163
-
Rekonfigurowana architektura CoARX do implementacji funkcji haszującej ARX w mikrokontrolerach systemów IoT o ograniczonych zasobach
Serhii Zabolotnii, Inna Rozlomii, Andrii Yarmilko, Serhii Naumenko164-169
-
Integralna ocena jakości wody źródlanej z wykorzystaniem zestawu narzędzi logiki rozmytej
Vyacheslav Repeta, Oleksandra Krykhovets, Yurii Kukura170-176
-
Wybrane zagadnienia dotyczące światłowodowych czujników zgięcia
Les Hotra, Jacek Klimek, Ihor Helzhynskyy, Oksana Boyko, Svitlana Kovtun177-181
Archiwum
-
Tom 16 Nr 2
2026-06-30 27
-
Tom 16 Nr 1
2026-03-30 27
-
Tom 15 Nr 4
2025-12-20 27
-
Tom 15 Nr 3
2025-09-30 24
-
Tom 15 Nr 2
2025-06-27 24
-
Tom 15 Nr 1
2025-03-31 26
-
Tom 14 Nr 4
2024-12-21 25
-
Tom 14 Nr 3
2024-09-30 24
-
Tom 14 Nr 2
2024-06-30 24
-
Tom 14 Nr 1
2024-03-31 23
-
Tom 13 Nr 4
2023-12-20 24
-
Tom 13 Nr 3
2023-09-30 25
-
Tom 13 Nr 2
2023-06-30 14
-
Tom 13 Nr 1
2023-03-31 12
-
Tom 11 Nr 4
2021-12-20 15
-
Tom 11 Nr 3
2021-09-30 10
-
Tom 11 Nr 2
2021-06-30 11
-
Tom 11 Nr 1
2021-03-31 14
##plugins.themes.bootstrap3.article.main##
Authors
Abstrakt
Woda, jako kluczowy zasób strategiczny, stanowi podstawę życia oraz warunkuje rozwój społeczno-gospodarczy. Racjonalne gospodarowanie zasobami wodnymi jest jednym z głównych celów zrównoważonego rozwoju. Sposób wykorzystania określonego zbiornika wodnego uzależniony jest od stopnia jego zanieczyszczenia. Jakość wody przeznaczonej do spożycia zależy od zawartości licznych pierwiastków chemicznych, których obecność wpływa na jej właściwości fizykochemiczne i organoleptyczne. Do oceny jakości wody stosuje się nie tylko metody instrumentalne i analityczne, lecz także ekspertyzy specjalistów, w szczególności w zakresie wskaźników organoleptycznych. W związku z tym, przy wykorzystaniu ankiety eksperckiej oraz narzędzi logiki rozmytej, opracowano integralny wskaźnik jakości wody źródlanej przeznaczonej do spożycia. Na potrzeby zintegrowanej oceny jakości wskaźniki podzielono na trzy grupy: organoleptyczne, ogólne fizykochemiczne oraz dotyczące zawartości nieorganicznych pierwiastków chemicznych. Dla czynników każdej grupy określono zbiór uniwersalny i odpowiadające mu terminy jako zmienne językowe. Następnie dla każdej zmiennej językowej utworzono zbiory rozmyte, opracowano bazę wiedzy oraz skonstruowano równania logiki rozmytej. Wyniki badań zweryfikowano w środowisku MATLAB Fuzzy Logic Toolbox poprzez opracowanie odpowiednich modeli. Modele te, zbudowane z wykorzystaniem zasad logiki rozmytej, umożliwiają kompleksową ocenę przydatności źródeł wody pitnej oraz wspierają podejmowanie świadomych decyzji dotyczących ich wykorzystania w celach przemysłowych i gospodarczych.
Słowa kluczowe:
Bibliografia
[1] Barua K.: Fundamental of Soft Computing: Theory, Concepts and Methods of Artificial Intelligence, Neurocomputing. BPB Publications, 2018.
[2] Chevrie F., Guely F.: Fuzzy logic. Cahier technique 191, Schneider Electric [https://www.studiecd.dk/cahiers_techniques/Fuzzy_logic.pdf] (available: 21.02.2025).
[3] Directive (EU) 2020/2184 of the European Parliament and of the Council of 16 December 2020 on the quality of water intended for human consumption (recast) (Text with EEA relevance): Directive (EU) of 16 December 2020 [https://eur-lex.europa.eu/eli/dir/2020/2184/oj] (available: 17.02.2025).
[4] Dewidar A., Al-Ghobari H., Alataway A.: Developing a fuzzy logic model for predicting soil infiltration rate based on soil texture properties. Water SA 45(3), 2019, 400–410.
[5] Guidelines for drinking-water quality: fourth edition incorporating the first addendum. First addendum to the fourth edition, Geneva: World Health Organization, 2017.
[6] Izquierdoa S., Izquierdob L.: Mamdani Fuzzy Systems for Modelling and Simulation: A Critical Assessment, Journal of Artificial Societies and Social Simulation 21(3), 2018 [http://jasss.soc.surrey.ac.uk/21/3/2.html] (available: 19.02.2025).
[7] Jantakoon N.: Statistics Model for Meteorological Forecasting Using Fuzzy Logic Model. Mathematics and Statistics 4(4), 2016, 95–100 [https://doi.org/10.13189/ms.2016.040401].
[8] Kovalchuk I. et al.: Ecological assessment of surface water quality of the Western Bug river in the border region of Ukraine and Poland. Karazin Kharkiv National University. Series Geology. Geography. Ecology 62, 2025, 424–436 [https://doi.org/10.26565/2410-7360-2025-62-32].
[9] Krykhovets O., Repeta V., Ivashchenko I.: Monitoring of spring water quality. Environmental Problems 10(2), 2025, 127–134 [https://doi.org/10.23939/ep2025.02.127].
[10] Krysinska D. O., Klymenko L. P.: Experimental research of drinking water quality and assessment of environmental safety of drinking water supply. Scientific Bulletin of UNFU 31(1), 2021, 146–151.
[11] Odnorih Z. et al.: Results of Surface Water Quality Monitoring of the Western Bug River Basin in Lviv Region. Journal of Ecological Engineering 21(3), 2020, 18–26 [https://doi.org/10.12911/22998993/118303].
[12] Ponsadai Lakshmi S., Gopi C., Adwin Jose P.: Mamdani-type fuzzy inference system for irrigational water quality. Journal of the Nigerian Society of Physical Sciences 6(2), 2024, 1890 [https://doi.org/10.46481/jnsps.2024.1890].
[13] Putri S., Saputro D.: Construction fuzzy logic with curve shoulder in inference system mamdani. Journal of Physics: Conference Series 1776, 012060, 2020 [https://doi.org/10.1088/1742-6596/1776/1/012060].
[14] Repeta V., Krykhovets O., Kukura V.: Evaluation of chemical indicators of water quality in the Peremyshlyany region. Ecological Sciences 1(52), 2024, 37–40 [https://doi.org/10.32846/2306-9716/2024.eco.1-52.2.7].
[15] Romanchuc L., Bashinska I.: Іntegral еstimation оf drinking tap water quality by chemical harmlessness indicators. Balanced Nature Using, Institute of agroecology and environmental management 11(1), 2019, 22–32 [http://nbuv.gov.ua/UJRN/Zp_2019_1_5] (available: 19.02.2025).
[16] Roy A., Mukhopadhyay S., Roy S.: IoT Based Real-Time Spring Water Quality Monitoring System. 1st International Conference on the Paradigm Shifts in Communication, Embedded Systems, Machine Learning and Signal Processing (PCEMS), 2022 [https://doi.org/10.1109/PCEMS55161.2022].
[17] Roy A., Mukhopadhyay S., Roy S.: IoT Based Water Quality Monitoring System, Second International Conference on Computer Science, Engineering and Applications (ICCSEA), 2022
[https://doi.org/10.1109/ICCSEA54677.2022.9936512].
[18] Saatch R.: Fuzzy Logic Concepts, Developments and Implementation. Information 15, 2024, 656 [https://doi.org/10.3390/info15100656].
[19] Saleh M. A., Ramadan A. O.: Prediction of Water Production Rate Using Fuzzy Logic Approach. The International Journal of Engineering & Information Technology (IJEIT) 4(2), 2022 [https://doi.org/10.36602/ijeit.v4i2.363].
[20] State Sanitary Norms and Rules "Safety Indicators and Separate Indicators of the Quality of Drinking Water in Conditions of Martial Law and Emergency Situations of a Different Nature", 2022, [https://zakon.rada.gov.ua/laws/show/z0564-22#Text] (available: 17.02.2025).
[21] State Sanitary Standards and Regulations DSanPiN 2.2.4-171-10: Hygienic Requirements to Drinking Water for Human Consumption. Kyiv, 2010, 99–129. [https://zakon.rada.gov.ua/laws/show/z0452-10#Text] (available: 17.02.2025).
[22] The EU drinking water directive: a comprehensive guide [https://www.bnovate.com/post/drinking-water-directive].
[23] Trach R. et al.: A Study of Assessment and Prediction of Water Quality Index Using Fuzzy Logic and ANN Models. Sustainability 14(9), 2022 [https://doi.org/10.3390/su14095656].
[24] Trach Yu. et al.: Predicting the Influence of Ammonium Toxicity Levels in Water Using Fuzzy Logic and ANN Models. Sustainability 16(14), 2024, 5835 [https://doi.org/10.3390/su16145835].
[25] Tymchenko О. et al.: Informationally-technological provision of environmental nature reserves monitoring. 5th International Workshop on Intelligent Information Technologies & Systems of Information Security with CEUR-WS. Khmelnytskyi, Ukraine, 2024, 5–8.
[26] Water Resources of the World – Population Dynamics. Еcology Сenter, 2023 [https://www.ecologycenter.us/population-dynamics-2/water-resources-of-the-world.html] (available: 19.02.2025).
[27] Zadeh L. A.: Fuzzy sets. Information and Control 8(3), 1965, 338–353 [https://doi.org/10.1016/S0019-9958(65)90241-X].
##plugins.themes.bootstrap3.article.details##
Abstract views: 226
Downloads: 174

