- Tytuł:
-
Machine-Learning Methods for Assessing Dynamic Resistance of Existing Bridge Structures Subjected to Mining Tremors
Metody uczenia maszynowego w ocenie odporności dynamicznej istniejących obiektów mostowych poddanych wstrząsom górniczym - Autorzy:
- Rusek, J.
- Powiązania:
- https://bibliotekanauki.pl/articles/385657.pdf
- Data publikacji:
- 2018
- Wydawca:
- Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
- Tematy:
-
dynamika budowli
uczenie maszynowe
sztuczne sieci neuronowe
SVM
wstrząsy górnicze
odporność dynamiczna
mosty
dynamics of structures
machine learning
Artificial Neural Networks
SVM Support Vector Machine
mining tremors
dynamic resistance
bridges - Opis:
-
W pracy przedstawiono wyniki badań, których celem było utworzenie modelu
pozwalającego na określenie odporności istniejących obiektów mostowych
na wpływy wstrząsów górniczych. Podstawą do analiz była utworzona przez
autora baza danych o odporności dynamicznej żelbetowych obiektów mostowych
poddanych wymuszeniu sejsmicznemu charakterystycznemu dla terenu
Legnicko-Głogowskiego Okręgu Miedziowego (LGOM). Odporność dynamiczna
każdego obiektu w bazie danych została wyrażona w postaci granicznych
wartości przyspieszeń drgań gruntu, jakie dana konstrukcja może przejąć
bez zagrożenia bezpieczeństwa. Badania przeprowadzono, wykorzystując metodę
Support Vector Machine (SVM) w ujęciu regresyjnym (SVR – Support Vector
Regression) oraz sztuczne sieci neuronowe (ANN – Artificial Neural Network).
Utworzone w ten sposób modele porównano w aspekcie jakości predykcji oraz
uogólniania nabytej wiedzy. Pozwoliło to na wytypowanie metody najbardziej
efektywnej pod względem oceny odporności dynamicznej istniejących obiektów
mostów.
This paper demonstrates the results of research studies aimed at creating a model that allows to determine the resistance of existing bridge structures to the impact of mining tremors. A database (created by the author of this article) of the dynamic resistance of reinforced concrete bridge structures subjected to seismic excitations commonly occurring in the Legnica-Głogów Copper District (LGOM) formed the basis for the analysis. The dynamic resistance of each structure contained in the database was expressed as the limit values of the acceleration of ground vibrations that may be carried by a given structure without compromising its safety. The study was carried out using the Support Vector Machine (SVM) method in a Support Vector Regression (SVR) approach as well as an Artificial Neural Network (ANN). The models were compared in terms of the quality of the predictions and generalization of the acquired knowledge. This allows to select the most-effective method in evaluating the dynamic resistance of existing bridge structures. - Źródło:
-
Geomatics and Environmental Engineering; 2018, 12, 1; 109-120
1898-1135 - Pojawia się w:
- Geomatics and Environmental Engineering
- Dostawca treści:
- Biblioteka Nauki
Artykuł