https://etalpykla.vilniustech.lt/handle/123456789/101066 2026-05-10T10:46:33Z https://etalpykla.vilniustech.lt/handle/123456789/160459 Benziną ir dujų mišinius naudojančio hibridinio automobilio variklio efektyvumo tyrimas Vipartas, Tadas Šioje disertacijoje nagrinėjamas alternatyviųjų degalų (gamtinių dujų ir vandenilio) naudojimas, siekiant padidinti kibirkštinio uždegimo variklio efektyvumą. Nustatytas ir įvertintas skirtingų degalų bei variklio valdymo algoritmų poveikis degimo procesui, energiniams ir ekologiniams rodikliams, analizuojant kylančius technologinius apribojimus, susijusius su hibridine mišriąja (nuosekliąja-lygiagrečiąja) pavara. Disertacijoje atlikta mokslinės literatūros apžvalga, kurioje analizuojamos vidaus degimo variklių tobulinimo kryptys, dujinių degalų savybės ir jų panaudojimo iššūkiai bei automobilių hibridinių pavarų veikimo principai. Stendiniais bandymais ištirtas vėlyvo įsiurbimo vožtuvų uždarymo momento poveikis varikliui, veikiančiam gamtinėmis dujomis, ir vandenilio priedų poveikis degimo bei detonacijos valdymo procesams. Skaitinė variklio degimo proceso analizė atlikta naudojant AVL BOOST™ programinę įrangą, hibridinio automobilio energiniai ir ekologiniai rodikliai įvertinti atlikus eksperimentinius tyrimus ir skaitinį modeliavimą AVL CRUISE™ programoje. Disertacijoje gauti šie svarbiausi rezultatai: vėlinant įsiurbimo vožtuvų uždarymo momentą, padidėja efektyvusis naudingumo koeficientas ir NOx emisijos bei sumažėja anglies dvideginio emisijos varikliui, veikiant gamtinėmis dujomis. Nustatyta, kad vandenilio priedas degaluose pagerina variklio energinius rodiklius, tačiau padidina azoto emisijas ir detonacinio degimo riziką, kuri efektyviai valdoma vėlinant uždegimo paskubos kampą. Skaitinio modeliavimo rezultatai patvirtina, kad šie dėsningumai išlieka taikant pasaulinį suderintą lengvųjų transporto priemonių bandymų ciklą: naudojant vandenilį sumažėja degalų sąnaudos ir anglies dvideginio emisijos, padidėja azoto oksidų emisijos. Disertacijos rezultatai atskleidžia technologijų potencialą ir jų taikymo strategijas. Gauti duomenys gali būti pritaikyti kuriant ir parenkant pažangius variklių valdymo algoritmus bei formuojant technologiškai pagrįstus aplinkosaugos standartus. Disertacijos tema paskelbti 9 moksliniai straipsniai: 6 – mokslo žurnaluose, įtrauktuose į Clarivate Analytics Web of Science duomenų bazę su citavimo rodikliu; 1 – mokslo žurnale, įtrauktame į Clarivate Analytics Web of Science duomenų bazę, neturinčiame citavimo rodiklio; 1 – Clarivate Analytics Web of Science duomenų bazės Conference Proceedings Citation Index referuojamame konferencijų darbų leidinyje; 1 – recenzuojamame konferencijų darbų leidinyje, nereferuojamame tarptautinėse duomenų bazėse. Disertacijoje atliktų tyrimų rezultatai buvo paskelbti 3 mokslinėse konferencijose Lietuvoje ir Lenkijoje.; This dissertation investigates the use of alternative fuels (natural gas and hydrogen) to increase the efficiency of a spark-ignition engine. The impact of different fuels and engine control algorithms on the combustion process and on energy and ecological indicators was determined and evaluated by analysing the emerging technological constraints within the context of a power-split (series-parallel) hybrid powertrain. The dissertation presents a review of scientific literature, analysing the directions for internal combustion engine improvement, the properties of gaseous fuels and the challenges of their application, along with the operating principles of automotive hybrid powertrains. Bench tests were conducted to investigate the effect of late intake valve closing timing on an engine operating on natural gas, and the influence of hydrogen additives on the combustion process and knock control. The numerical analysis of the engine’s combustion process was performed using AVL BOOST™ software, while the energy and ecological indicators of the hybrid vehicle were evaluated through experimental research and numerical simulation in the AVL CRUISE™ software. The following main results were obtained in the dissertation: retarding the intake valve closing timing increased the brake thermal efficiency and NOx emissions while reducing carbon dioxide emissions when the engine operates on natural gas. It was determined that a hydrogen additive in the fuel improves the engine’s energy indicators, but increases nitrogen oxides emissions and the risk of engine knock. Engine knock is effectively managed by retarding the ignition advance angle. Numerical simulation results confirmed that these trends persist during the Worldwide Harmonized Light-duty Vehicles Test Cycle: the use of hydrogen reduces fuel consumption and carbon dioxide emissions, but increases nitrogen oxides emissions. The dissertation results revealed the potential of these technologies and strategies for their application. The obtained data can be applied in the development and selection of advanced engine control algorithms and in the formulation of technologically sound environmental standards. Nine scientific articles have been published on the topic of the dissertation: six in scientific journals indexed in the Clarivate Analytics Web of Science database with an impact factor, one in a scientific journal indexed in the Clarivate Analytics Web of Science database without an impact factor, one in conference proceedings indexed in the Clarivate Analytics Web of Science Conference Proceedings Citation Index, and one in peer-reviewed conference proceedings not indexed in international databases. The research results were presented at three scientific conferences in Lithuania and Poland. 2026-01-01T00:00:00Z https://etalpykla.vilniustech.lt/handle/123456789/160458 A framework for assessing food loss and waste along the food supply chain: the case of Lithuania Eičaitė, Ovidija Food loss and waste (FLW) represents a global challenge with serious environmental, economic, and social implications. It contributes to inefficient use of resources, increased greenhouse gas emissions, and financial losses across the food supply chain (FSC), while also undermining efforts to achieve food security. To address this issue, the United Nations (UN) set Sustainable Development Goal 12.3, which aims to halve food waste at the retail and consumer level by 2030 and reduce food loss in production and supply chains. Achieving this goal requires a comprehensive assessment of FLW and systematic data collection across all stages of the FSC. This dissertation develops and applies a framework for assessing FLW across the key stages of the Lithuanian FSC. The framework clearly defines FLW, determines the scope of the assessment, and establishes a methodological approach for measuring and analysing FLW based on primary data collection using questionnaire-based surveys in primary production, the food industry, and retail trade, as well as food waste diaries in households. The application of the developed framework delivers the first comprehensive FLW estimates for primary production, the food industry, and households in Lithuania, while also providing more precise food waste estimates for retail trade than previously available. The results show that estimates of food loss in primary production vary substantially across products, ranging from 0.1% for milk to 20.1% for beets. Environmental factors and stringent consumer or buyer standards are the main contributors to crop losses, while diseases represent the main cause of livestock losses. The food industry generates an estimated 10.9 thousand tonnes of edible food loss annually, corresponding to approximately 4 kg per capita, mainly due to inefficiencies in processing operations and product non-compliance with commercial standards. Retail trade generates 36.4 thousand tonnes of food waste each year, equivalent to about 13 kg per capita, largely driven by product expiration and spoilage. Household food waste averages 74.5 kg of edible food per capita per year, with common causes including spoilage, over-preparation, and over-serving. The estimates generated in this research establish a baseline for FLW across the key stages of the Lithuanian FSC, enabling monitoring of changes and supporting more refined and comparable assessments over time. They also provide an empirical basis for formulating and evaluating measures aimed at reducing FLW.; Maisto nuotoliai ir atliekos yra pasaulinė problema. Prarandant ir iššvaistant maistą, neefektyviai panaudojami ištekliai, didėja šiltnamio efektą sukeliančių dujų išmetimas ir finansiniai nuostoliai visoje maisto tiekimo grandinėje, taip pat ribojamos pastangos siekti maisto pakankamo užtikrinimo. Jungtinės Tautos yra nustačiusios Darnaus vystymosi tikslą 12.3, kuriuo iki 2030 m. siekiama per pusę sumažinti pasaulinį maisto švaistymą mažmeniniu ir vartotojų lygmeniu ir sumažinti maisto nuostolius gamybos ir tiekimo grandinėse. Šiam tikslui įgyvendinti būtinas išsamus maisto nuostolių ir atliekų įvertinimas ir sistemingas duomenų rinkimas visuose maisto tiekimo grandinės etapuose. Šioje disertacijoje parengta ir pritaikyta maisto nuostolių ir atliekų vertinimo pagrindiniuose Lietuvos maisto tiekimo grandinės etapuose sistema. Vertinimo sistemoje aiškiai apibrėžta, kas yra laikoma maisto nuostoliais ir atliekomis, nustatyta vertinimo apimtis ir pateikta metodika jiems kiekybiškai įvertinti ir analizuoti, pagrįsta pirminių duomenų rinkimu, naudojant anketines apklausas pirminėje gamyboje, maisto pramonėje ir mažmeninėje prekyboje bei maisto atliekų dienoraščius namų ūkiuose. Taikant parengtą vertinimo sistemą, pirmą kartą gauti išsamūs maisto nuostolių ir atliekų įverčiai Lietuvos žemės ūkyje, maisto pramonėje ir namų ūkiuose bei tikslesni nei anksčiau nustatyti maisto atliekų įverčiai mažmeninėje prekyboje. Rezultatai rodo, kad maisto nuostolių įverčiai pirminėje gamyboje labai skiriasi priklausomai nuo produktų – nuo mažiau kaip 1 proc. pienui iki 20,1 proc. burokėliams. Augalininkystėje nuostoliai daugiausia susidaro dėl aplinkos veiksnių ir griežtų vartotojų ar pirkėjų reikalavimų, o gyvulininkystėje gyvūnų dažniausiai netenkama dėl ligų. Maisto pramonėje kasmet prarandama 10,9 tūkst. tonų tinkamo žmonėms vartoti maisto, arba 4 kg vienam gyventojui per metus, daugiausia dėl problemų, susijusių su perdirbimo operacijomis, ir produktų neatitikties komerciniams standartams. Mažmeninėje prekyboje kasmet susidaro 36,4 tūkst. tonų maisto atliekų, arba 13 kg vienam gyventojui per metus, daugiausia dėl maisto pasibaigusio galiojimo termino ir sugedimo. Namų ūkiuose vidutiniškai per metus vienam gyventojui tenka 74,5 kg valgomo maisto atliekų, ir pagrindinės maisto švaistymo priežastys – maisto sugedimas ir per didelis paruošto bei patiekto maisto kiekis. Šiame tyrime gauti maisto nuostolių ir atliekų įverčiai pagrindiniuose Lietuvos maisto tiekimo grandinės etapuose nustato atskaitos tašką, taip sudarant galimybes stebėti pokyčius ir atlikti tikslesnius ir labiau palyginamus vertinimus, laikui bėgant. Be to, šie įverčiai suteikia empirinį pagrindą, rengiant ir vertinant priemones, skirtas maisto nuostoliams ir atliekoms mažinti. 2026-01-01T00:00:00Z https://etalpykla.vilniustech.lt/handle/123456789/160457 Research and application of machine learning methods for migraine attack prediction Kapustynska, Viroslava Migraine is a complex neurological disorder characterized by strong inter- and intra-individual variability, which makes early forecasting difficult using only clinical observations. Wearable biosensors combined with machine learning offer new opportunities to detect subtle physiological changes that may precede migraine attacks and to develop individualized prediction models. This dissertation investigates migraine analysis and next-day prediction using physiological recordings collected under real-life monitoring conditions. Data were obtained with the Empatica Embrace Plus wearable device and include electrodermal activity, pulse rate, skin temperature, and movement-related signals. The analysis focuses on nocturnal recordings, since the night period provides a more stable physiological context with fewer external disturbances. Nights were standardized using sleep-based contextual selection and consistent night-level rules. The experimental framework is organized in two stages. In the first stage, a window-level binary classification task is used as an exploratory methodological analysis to examine how design choices influence model performance. Night recordings are segmented into analysis frames ranging from 5 to 120 minutes, statistical features are extracted, and the influence of signal preprocessing and feature representation is evaluated across several classifier families, including Random Forest, XGBoost, histogram-based gradient boosting, support vector machines, and k-nearest neighbors. In the second stage, the research evaluates next-day migraine prediction based on whole-night recordings. This stage refines the experimental methodology to obtain more reliable estimates of predictive performance under a stricter validation framework. The analysis focuses on the effect of temporal aggregation while comparing the same classifier families under consistent evaluation conditions. The results demonstrate considerable variability across participants in achievable prediction performance and optimal modeling configurations. Shorter analysis frames generally preserve informative short-term physiological changes, whereas longer windows tend to smooth these variations. Signal preprocessing shows a window-dependent effect and does not consistently improve performance. Overall, the results highlight the importance of temporal resolution, rigorous validation, and individualized modeling for wearable-based migraine prediction systems.; Migrena yra sudėtingas neurologinis sutrikimas, pasižymintis didele tarpindividualine ir intraindividualine kintamumo variacija, todėl ankstyvas priepuolių prognozavimas remiantis vien klinikiniais stebėjimais yra sudėtingas. Nešiojamieji biosensoriai kartu su mašininio mokymosi metodais suteikia galimybę nustatyti subtilius fiziologinius pokyčius, galinčius pasireikšti prieš migrenos priepuolį, ir kurti individualizuotus prognozavimo metodus. Disertacijoje tiriama migrenos analizė ir kitos dienos migrenos prognozavimas naudojant fiziologinius duomenis, surinktus realiomis gyvenimo sąlygomis. Duomenys buvo registruojami naudojant nešiojamąjį įrenginį Empatica Embrace Plus ir apima elektroderminės odos veiklos, pulso dažnio, odos temperatūros ir judesio signalus. Analizė orientuota į naktinius įrašus, nes nakties laikotarpis pasižymi stabilesnėmis fiziologinėmis sąlygomis ir mažesne išorinių veiksnių įtaka. Naktys buvo standartizuotos taikant miego pagrindu paremtą kontekstinį atrinkimą ir nuoseklias naktų parinkimo taisykles. Eksperimentinė analizė organizuota dviem etapais. Pirmajame etape taikoma lango lygmens dvejetainė klasifikacijos užduotis, siekiant įvertinti, kaip metodiniai sprendimai veikia modelių veikimą. Naktiniai įrašai suskirstomi į analizės langus nuo penkių iki šimto dvidešimties minučių trukmės, apskaičiuojami statistiniai požymiai, o signalų išankstinio apdorojimo ir požymių reprezentacijos įtaka vertinama taikant kelias klasifikatorių šeimas, įskaitant Random Forest, XGBoost, histograminį gradientinį stiprinimą, atraminių vektorių mašinas ir artimiausių kaimynų metodą. Antrajame etape vertinamas kitos dienos migrenos prognozavimas, remiantis visos nakties duomenimis. Šiame etape taikoma griežtesnė validavimo schema, siekiant gauti patikimesnius modelių veikimo įverčius, o analizėje daugiausia dėmesio skiriama laiko agregavimo poveikiui, lyginant tas pačias klasifikatorių šeimas nuoseklioje vertinimo aplinkoje. Rezultatai rodo didelę dalyvių tarpusavio variaciją tiek prognozavimo tikslumo, tiek optimalių modelių konfigūracijų atžvilgiu. Trumpesni analizės langai dažniau išsaugo informatyvius trumpalaikius fiziologinius pokyčius, o ilgesni langai linkę šiuos svyravimus išlyginti. Signalų išankstinis apdorojimas pasižymi nuo lango trukmės priklausančiu poveikiu ir neužtikrina nuoseklaus rezultatų pagerėjimo. Gauti rezultatai pabrėžia laiko rezoliucijos, griežtos validacijos ir individualizuoto modeliavimo svarbą kuriant migrenos prognozavimo sistemas, paremtas nešiojamųjų įrenginių duomenimis. 2026-01-01T00:00:00Z https://etalpykla.vilniustech.lt/handle/123456789/160456 Valiutų rinkos evoliucijos sąveika su monetarinės politikos instrumentais skaitmenizacijos amžiuje Pečiulis, Tomas Decentralizuotų kriptovaliutų atsiradimas sukėlė esminių iššūkių tradicinėms pinigų politikos sistemoms. Nors šie skaitmeniniai aktyvai turi potencialą didinti finansinį įtrauktumą ir efektyvumą, jiems būdingas nepastovumas ir centralizuotos priežiūros trūkumas sukuria sistemines rizikas, kurių tinkamai valdyti, naudojant klasikinius modelius, nepavyksta. Šioje disertacijoje pristatoma integruota hibridinė analitinė sistema, padedanti kiekybiškai įvertinti kriptovaliutų poveikį pinigų politikos perdavimo mechanizmams, kuri politikos formuotojams suteikia empiriškai pagrįstus įrankius, padedančius veiksmingiau analizuoti šią besikeičiančią finansų sritį. Disertacija suskirstyta į tris skyrius. Pirmajame skyriuje apibendrinamas kriptovaliutų teorinis vaidmuo šiuolaikinėje pinigų teorijoje. Antrajame skyriuje pristatoma ir pagrindžiama nauja metodika, mašininio mokymosi technikas derinanti su pažangiu ekonometriniu modeliavimu, konkrečiai naudojant “Elastic Net“ mašininio mokymo modelį su ARIMA liekanomis ir MSGARCH specifikacijomis, siekiant užfiksuoti nuo režimo priklausomą elgseną. Trečiajame skyriuje sistema empiriškai patvirtinama naudojant kriptovaliutų rinkų ir centrinių bankų politikos operacijų duomenis. Empiriniai rezultatai rodo didelį asimetrinį politikos poveikį, bitkoino kainai reaguojant –15 348 USD į 1 % Federalinės rezervų sistemos palūkanų normos pokyčius. Analizė nustato kritines kintamumo ribas (σ > 80 %), kai kriptovaliutų svyravimai didina infliacijos riziką. Šie rezultatai rodo didėjančią kriptovaliutų sisteminę svarbą pinigų politikos dinamikoje. Tyrimas prisideda prie naujos skaitmeninio turto ekonomikos srities plėtotės. Integruotas modeliavimo metodas padeda įveikti ilgalaikės nelinijinių finansinių reiškinių analizės ribotumus. Praktinės jos taikymo galimybės apima finansinio stabilumo rizikos stebėsenos realiuoju laiku sistemas ir įrodymais pagrįstas reguliavimo intervencijų gaires. Modulinė sistemos struktūra leidžia ją plėsti ateityje, įtraukiant besikeičiančias rinkos struktūras ir naujus skaitmeninius turtus. Disertacijos tema paskelbtos aštuonios recenzuotos publikacijos moksliniuose žurnaluose ir konferencijų straipsnių rinkiniuose. Šis darbas suteikia centriniams bankams būtinas analitines priemones pinigų stabilumui palaikyti ir atsakingoms finansinėms inovacijoms skaitmeninėje eroje skatinti.; The emergence of decentralised cryptocurrencies has created fundamental challenges for traditional monetary policy systems. Although these digital assets have the potential to increase financial inclusion and efficiency, their volatility and the lack of centralised oversight create systemic risks that cannot be properly managed using classical models. This dissertation presents an integrated hybrid analytical framework designed to quantitatively assess the impact of cryptocurrencies on monetary policy transmission mechanisms, providing policymakers with empirically grounded tools to analyse this evolving financial domain more effectively. The dissertation is divided into three main parts. The First Chapter summarises the theoretical role of cryptocurrencies in modern monetary theory. The Second Chapter presents and substantiates a new methodology that combines machine-learning techniques with advanced econometric modelling, specifically using an Elastic Net machine learning model with ARIMA residuals and MSGARCH specifications to capture regime-dependent behaviour. The Third Chapter empirically validates the framework using data from cryptocurrency markets and central bank policy operations. The empirical results show a significant asymmetric policy transmission effect, with the price of Bitcoin reacting by USD -15,348 to a 1% change in the Federal Reserve interest rate. The analysis also identifies critical volatility thresholds (σ>80%) at which cryptocurrency fluctuations increase inflation risk. These results indicate the growing systemic importance of cryptocurrencies in monetary policy dynamics. The study contributes to the emerging field of digital asset economics. The integrated modelling approach helps overcome the long-standing limitations of analysing nonlinear financial phenomena. Practical applications include real-time financial stability risk monitoring systems and evidence-based guidelines for regulatory interventions. The modular structure of the framework allows for future expansion by incorporating evolving market structures and new digital assets. The dissertation’s results have been presented to the scientific community in eight peer-reviewed publications in scientific journals and conference proceedings. This work provides central banks with essential analytical tools to maintain monetary stability and to promote responsible financial innovation in the digital era. 2026-01-01T00:00:00Z