Witamy w Repozytorium PŁ
Repozytorium Politechniki Łódzkiej gromadzi, archiwizuje oraz udostępnia w postaci pełnotekstowej dorobek naukowy pracowników PŁ.
Repozytorium zawiera przede wszystkim artykuły naukowe, książki, monografie, materiały konferencyjne oraz referaty, powstałe jako wynik procesów badawczych i dydaktycznych prowadzonych przez Politechnikę Łódzką.
Zbiory w DSpace
Przeszukaj kolekcje
Najnowsze publikacje
Item type:Pozycja, Machine learning-based prediction of mercury and arsenic emissions under real operating conditions in pulverized coal boilers(Elsevier, 2026-07-07) Marczak-Grzesik, Marta; Regulski, Krzysztof; Junga, Robert; Bzowski, Krzysztof; Rauch, Łukasz; Górecki, Jerzy; Wierońska-Wiśniewska, Faustyna; Kogut, Krzysztof; Borovec, Karel; Szufa, SzymonMercury (Hg) and arsenic (As) emissions from coal-fired power plants remain a major environmental challenge due to their toxicity and complex partitioning behavior during combustion. This study presents a combined experimental and machine learning analysis of Hg and As emissions from two 225–240 MW pulverized coal boilers operating under variable load and 10% biomass co-firing conditions. A dataset comprising 73 operational variables and 497 measurement cases was used to develop regression and classification models. For mercury, multilayer perceptron (MLP) networks achieved good predictive performance, with the optimized 49–17-1 architecture reaching R2 = 0.92 and MAPE = 10.5% on the validation dataset. Feature reduction from 67 to 49 predictors improved generalization while preserving physical interpretability. Sensitivity analysis indicated that Hg emissions are influenced by combustion temperature, excess air ratio, NO2 concentration, and gas flow dynamics, highlighting the role of thermal and oxidative conditions. For arsenic, this work represents, to the best of our knowledge, one of the first applications of artificial neural networks for predicting flue gas As concentrations in pulverized coal boilers. The MLP 15–15-1 model achieved R2 = 0.971, with fuel arsenic content and particulate matter concentration identified as the most influential predictors. The developed approach enables both continuous emission prediction and threshold-based monitoring, supporting improved analysis of trace element behavior in coal combustion systems.Item type:Pozycja, Życie Uczelni : biuletyn informacyjny Politechniki Łódzkiej nr 177 (2026)(Wydawnictwo Politechniki Łódzkiej, 2026) Politechnika Łódzka; Lodz University of Technology; Chojnacka, EwaItem type:Pozycja, Bibliografia publikacji pracowników Biblioteki Politechniki Łódzkiej z lat 1945-2025(Wydawnictwo Politechniki Łódzkiej, 2026) Sójkowska, Iwona (Oprac.)Niniejsza publikacja zawiera wykaz dorobku piśmienniczego pracowników Biblioteki Politechniki Łódzkiej z lat 1945–2025. Jest przeglądem prac z zakresu bibliotekarstwa, bibliotekoznawstwa i informacji naukowej, a także innych dziedzin, pokazującym różnorodność warsztatu pracy, kompetencji i zainteresowań pracowników. Motywacją podjęcia prac nad rejestrem publikacji był Jubileusz 80-lecia Biblioteki Politechniki Łódzkiej, zaś założeniem autorki opracowania – zebranie i prezentacja danych w uporządkowanej i przejrzystej formie.(...)Item type:Pozycja, Zintegrowane zagospodarowanie wód opadowych na terenach poprzemysłowych- technologie, ograniczenia i uwarunkowania rewitalizacji(Lodz University of Technology Press) Bandzierz, Dawid; Badowska, EwaItem type:Pozycja, Ogród deszczowy jako alternatywny sposób zagospodarowania wód opadowych w miastach(Lodz University of Technology Press) Jędrzejczak, Małgorzata