- Tytuł:
-
Wykorzystanie sztucznych sieci neuronowych do klasyfikacji struktur odmienionych węgla kamiennego w strefach przyuskokowych
The application of artificial neural networks for the classification of altered structures of hard coal in near-fault zones - Autorzy:
-
Młynarczuk, M.
Godyń, K.
Skiba, M. - Powiązania:
- https://bibliotekanauki.pl/articles/166211.pdf
- Data publikacji:
- 2015
- Wydawca:
- Stowarzyszenie Inżynierów i Techników Górnictwa
- Tematy:
-
struktura węgla
uskoki
sztuczne sieci neuronowe
perceptron wielowarstwowy (MLP)
coal structure
near-fault zones
artificial neural networks
multi-layer perceptron (MLP) - Opis:
-
Wewnętrzna budowa strukturalna węgla kamiennego ze stref uskokowych, w szczególności obecność spękań o charakterze
egzogenicznym, kataklazy oraz mylonitu, może odpowiadać za zwiększoną pojemność gazową węgla i wskazywać na pokłady
szczególnie zagrożone zjawiskami gazo-geodynamicznymi. Problematyka węgla odmienionego strukturalnie jest przedmiotem
zainteresowania badaczy z różnych krajów. Zaproponowali oni metody klasyfikacji takiego węgla. W ramach opisywanych
badań skupiono się na jednej z takich metod w celu zweryfikowania możliwości wykorzystania sztucznych sieci neuronowych
jako narzędzia wspomagającego decyzje dotyczące klasyfikacji poszczególnych struktur. Badania prowadzono na zdjęciach
wykonanych przy użyciu mikroskopu optycznego. Zdefiniowano wielowymiarową przestrzeń cech, bazującą głównie na
parametrach otrzymanych z różnie zdefiniowanych gradientów. W badaniach wykorzystano dwuwarstwową sieć jednokierunkową
(MLP). Jej zastosowanie umożliwiło zweryfikowanie w sposób sformalizowany subiektywnych decyzji obserwatora.
W rezultacie badań wykazano, że użycie sztucznych sieci neuronowych pozwala na klasyfikację struktur odmienionych węgla
na poziomie 91% zgodności z decyzjami obserwatora-geologa.
The internal structure of hard coal in near-fault zones - in particular, the presence of exogenic cracks, cataclasis and mylonite - can be the decisive factor when it comes to the increased gas capacity of coal and pose a greater risk of the occurrence of gaso-geodynamic phenomena. The problem of structurally altered coal has been of interest to a lot of researchers from various countries, who have proposed certain methods of classifying such coal. As part of the described research, one of such methods was analyzed, with the aim of verifying the possibilities of using artificial neural networks as a tool facilitating the classification of particular structures. The analysis was performed with the use of photographs taken with the optical microscope. A multidimensional feature space was determined, based mainly on the parameters obtained from differently defined gradients. A two-layer, unidirectional network (MLP) was used in the research, which made it possible to verify - in a formalized way - subjective decisions of the researcher. The tests ultimately demonstrated that the application of artificial neural networks results in successful classification of the altered structures of coal, with the level of compatibility with the decisions made by a researcher-geologist at ca. 91 percent. - Źródło:
-
Przegląd Górniczy; 2015, 71, 11; 15-20
0033-216X - Pojawia się w:
- Przegląd Górniczy
- Dostawca treści:
- Biblioteka Nauki
Artykuł