Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "struktury sieci" wg kryterium: Wszystkie pola


Wyświetlanie 1-2 z 2
Tytuł:
Extracting structure of Bayesian network from data in predicting the damage of prefabricated reinforced concrete buildings in mining areas
Wyodrębnianie struktury sieci Bayesowskiej z danych w prognozowaniu uszkodzeń żelbetowych budynków prefabrykowanych na terenach górniczych
Autorzy:
Rusek, Janusz
Firek, Karol
Słowik, Leszek
Powiązania:
https://bibliotekanauki.pl/articles/1841950.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
Bayesian network
damage
risk
prefabricated reinforced concrete structures
sieci Bayesowskie
uszkodzenia
ryzyko
prefabrykowane budynki żelbetowe
Opis:
This article presents the results of the research on the construction of a model for assessing the risk of damage to building structures located in mining areas. The research was based on the database on the structure, technical condition and mining impacts regarding 129 prefabricated reinforced concrete buildings erected in the industrialised large-block system, located in the mining area of the Legnica-Glogow Copper District (LGCD). The methodology of the Bayesian Belief Network (BBN) was used for the analysis. Using the score-based Bayesian structure learning approach (Hill-Climbing and Tabu-Search) as well as the selected optimisation criteria, 16 Bayesian network structures were induced. All models were subjected to quantitative and qualitative evaluation by verifying their features in the context of accuracy of prediction, generalisation of acquired knowledge and cause-effect relationships. This allowed to select the best network structure together with the corresponding optimisation criterion. The analysis of the results demonstrated that the Tabu-Search method adopting the optimisation criterion in the form of Locally Averaged Bayesian Dirichlet score (BDla) led to obtaining a model with the best features among all the selected models. The results justified the adoption of the BBN methodology as effective in the context of assessing the extent of damage to building structures in mining areas.
W artykule zaprezentowano wyniki badań dotyczących budowy modelu do oceny ryzyka powstawania uszkodzeń budynków usytuowanych na terenach górniczych. Podstawą do badań była baza danych nt. konstrukcji, stanu technicznego oraz wpływów górniczych dla 129 żelbetowych prefabrykowanych budynków wznoszonych w uprzemysłowionym systemie wielkoblokowym zlokalizowanych na terenie górniczym Legnicko-Głodowskiego Okręgu Miedziowego (LGOM). Do analiz zastosowano metodykę sieci przekonań Bayesa (BBN – Belief Bayesian Networks). Stosując podejście score-based Bayesian structure learning (Hill-Climbing oraz Tabu-Search) oraz wyselekcjonowane kryteria optymalizacyjne, wyłoniono 16 struktur sieci Bayesowskich. Wszystkie modele poddano ocenie ilościowej i jakościowej, weryfikując ich własności w kontekście trafności predykcji, generalizacji nabytej wiedzy oraz zależności przyczynowo-skutkowych. Pozwoliło to na wyselekcjonowanie najlepszej struktury sieci wraz z odpowiadającym kryterium optymalizacyjnym. Analiza wyników wykazała, że metoda Tabu-Search przy przyjęciu kryterium optymalizacyjnego w postaci Locally Averaged Bayesian Dirichlet score (BDla), prowadzi do uzyskania modelu o najlepszych własnościach spośród wszystkich wyłonionych modeli. Uzyskane rezultaty uzasadniają przyjęcie metodyki BBN, jako efektywnej w kontekście oceny zakresu uszkodzeń budynków na terenach górniczych.
Źródło:
Eksploatacja i Niezawodność; 2020, 22, 4; 658--666
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analysis of the gas network failure and failure prediction using the Monte Carlo simulation method
Analiza awaryjności sieci gazowych oraz prognozowanie awarii z zastosowaniem symulacyjnej metody Monte Carlo
Autorzy:
Tchórzewska-Cieślak, B.
Pietrucha-Urbanik, K.
Urbanik, M.
Powiązania:
https://bibliotekanauki.pl/articles/301501.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
failure of gas network
Monte Carlo method
analysis of the failure structure
failure prediction
awaryjność sieci gazowej
metoda Monte Carlo
analiza struktury awaryjności
prognozowanie awaryjności
Opis:
The scope of the article includes the analysis of the gas network failure based on a material obtained from field tests covering the years 2004-2014, conducted on the gas network of 120 thousand city, allowing to specify the failure rate of the gas network with division into material, pressure and pipelines diameter and indicate the main causes of failure on gas networks. On the base of the results of this analysis the Monte Carlo method to predict failures in gas pipe network has been presented.
Artykuł swoim zakresem obejmuje analizę awaryjności sieci gazowej na podstawie uzyskanego materiału z badań eksploatacyjnych obejmujących lata 2004-2014 prowadzonych na terenie Zakładu Gazowniczego w 120 tys. mieście, co pozwoliło na podanie intensywności uszkodzeń sieci gazowych z podziałem na materiał, ciśnienie i średnice rurociągów oraz podanie głównych przyczyn powstawania awarii na sieciach gazowych. Na podstawie wyników analizy zaprezentowano zastosowanie metody Monte Carlo do prognozowania awarii sieci gazowych.
Źródło:
Eksploatacja i Niezawodność; 2016, 18, 2; 254-259
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies