Wykorzystanie probabilistycznych sieci neuronowych do wyznaczania ryzyka powstania szkód w budynkach poddanych wstrząsom górniczym
PBN-AR
Instytucja
Wydział Geodezji Górniczej i Inżynierii Środowiska (Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie)
Informacje podstawowe
Główny język publikacji
PL
Czasopismo
Przegląd Górniczy (7pkt w roku publikacji)
ISSN
0033-216X
EISSN
Wydawca
Stowarzyszenie Inżynierów i Techników Górnictwa. Zarząd Główny
DOI
Rok publikacji
2017
Numer zeszytu
1
Strony od-do
44--47
Numer tomu
73
Identyfikator DOI
Liczba arkuszy
0.3
Autorzy
(liczba autorów: 2)
Słowa kluczowe
EN
risk
mining damage
mining tremors
building structures
probabilistic neural networks
PNN
PL
szkody górnicze
ryzyko
wstrząsy górnicze
obiekty budowlane
probabilistyczne sieci neuronowe
PNN
Streszczenia
Język
EN
Treść
This paper presents a methodology that allows to determine the risk of mining damage in buildings of conventional brickwork in the case of strong mining tremors. The basis for the analysis was the database on notifications of damage occurring after the upheavals of 20 February 2002, 16 May 2004 and 21 May 2006 (LGOM – Polkowice). Based on these data classification a model in the form of a probabilistic neural network (PNN) was developed. Basing on the results of the previous papers, the model includes structural and geometric characteristics of the buildings and their protection against mining tremors. The probability of damage at a given set of input variables can be indicated owing to the obtained classifier. An efficient way to estimate the probability of damage in the analysis of large groups of buildings located in the area of paraseismic interaction can be obtained by the use of a probabilistic notation model. Due to PNN the financing costs of removing the anticipated mining damage can be estimated with an appropriate probability.
Język
PL
Treść
W pracy przedstawiono metodykę pozwalającą na wyznaczenie ryzyka powstania szkód górniczych w budynkach o tradycyjnej konstrukcji murowanej w przypadku silnych wstrząsów górniczych. Podstawą do analiz była baza danych o zgłoszeniach uszkodzeń, jakie wystąpiły po wstrząsach z 20.02.2002 r., 16.05.2004 r. oraz 21.05.2006 r. (LGOM Polkowice) W oparciu o te dane utworzono model klasyfikacyjny w postaci probabilistycznej sieci neuronowej (PNN - Probabilistic Neural Network). Bazując na wynikach wcześniejszych prac, w modelu ujęto konstrukcyjne i geometryczne cechy budynków oraz ich zabezpieczenia przeciwko wstrząsom górniczym. Powstały klasyfikator pozwala na wskazanie prawdopodobieństwa powstania szkody przy zadanym zestawie zmiennych wejściowych. Probabilistyczna notacja modelu daje możliwość efektywnego szacowania prawdopodobieństwa wystąpienia szkody w analizie dużych grup obiektów budowlanych zlokalizowanych w obszarze oddziaływań parasejsmicznych. Pozwolić to może z kolei na oszacowanie, z odpowiednim prawdopodobieństwem, nakładów finansowych, które zakład górniczy powinien zabezpieczyć na usunięcie spodziewanych szkód górniczych.
Cechy publikacji
original article
peer-reviewed
Inne
System-identifier
idp:104718