Informacja

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

Wyszukujesz frazę "zagrożenie górnicze" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Pilotażowe pomiary składowych rotacyjnych drgań sejsmicznych w rejonie LGOM
Preliminary measurements of rotational components of seismic vibration in the Legnica-Głogów Copper Basin region
Autorzy:
Fuławka, Krzysztof
Pytel, Witold
Mertuszka, Piotr
Koziarz, Eugieniusz
Powiązania:
https://bibliotekanauki.pl/articles/394748.pdf
Data publikacji:
2019
Wydawca:
Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:
zagrożenie sejsmiczne
wstrząsy górnicze
sejsmologia rotacyjna
seismic hazard
mining tremors
rotational seismology
Opis:
Metody sejsmiczne są powszechnie stosowane w górnictwie, geofizyce oraz inżynierii lądowej. Aktualnie pomiary sejsmiczne prowadzi się głównie w zakresie rejestracji prędkości i przyspieszeń trzech składowych translacyjnych drgań. Wiedząc jednak, że pełny opis ruchu fali sejsmicznej, oprócz wspomnianych składowych translacyjnych, zawiera również trzy składowe rotacyjne, konieczne było podjęcie działań mających na celu pomiar i określenie charakteru tych ostatnich. Jeszcze do niedawna analiza rotacyjnych fal sejsmicznych prowadzona była wyłącznie w sferze teoretycznej, gdyż brakowało narzędzi umożliwiających rejestrację prędkości obrotowej cząstek gruntu, na poziomie często nieprzekraczającym ułamków μrad/s. Obecnie jednak sejsmologia rotacyjna jest zagadnieniem cieszącym się ogromnym zainteresowaniem, co wynika z pojawienia się na rynku czujników umożliwiających bezpośredni pomiar składowych obrotowych drgań sejsmicznych. Brak jest jednak kompleksowych opracowań w zakresie analizy tychże składowych w przypadku drgań indukowanych działalnością górniczą. W niniejszym opracowaniu przedstawiono wyniki pilotażowych pomiarów składowych rotacyjnych drgań. Analizie poddano zapisy wstrząsów górniczych oenergii w zakresie od 3 × 103J do 1,5 × 107J. Zarejestrowane wartości obrotu zostały skorelowane z zapisami drgań translacyjnych w celu określenia różnic w ich podstawowych parametrach takich jak czas trwania, częstotliwość i rozkład amplitudowy.
A proper description of ground motions generated by seismic and paraseismic events requires gathering data of six components of seismic waves. Three of them, the so called translational waves, are well researched and identified. Unfortunately, until recently, the remaining three components named as rotational waves were generally estimated with the use of indirect methods based on theoretical calculations. This was related mostly with the lack of proper instruments for the recording of rotational seismic waves. Thus, rotational waves were not fully recognized thus far. Recently, several types of advanced instruments for direct measurements of rotation were invented. Based on the measurements of strong ground motions it was indicated that the amplitude of the rotational components in close distances from the seismic source can be significantly larger than expected. Apart from this, there is still a lack of analyses considering the characteristic of rotational seismic waves generated by induced seismic events. In this paper, the results of preliminary measurements of rotational motions generated by induced seismic waves were presented. Ground movements related with mining tremors were analyzed in terms of amplitude, frequency and duration.
Źródło:
Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN; 2019, 109; 185-197
2080-0819
Pojawia się w:
Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Predictive regression models of monthly seismic energy emissions induced by longwall mining
Regresyjne modele predykcyjne miesięcznej emisji energii sejsmicznej indukowanej eksploatacją w ścianie
Autorzy:
Jakubowski, J.
Tajduś, A.
Powiązania:
https://bibliotekanauki.pl/articles/219968.pdf
Data publikacji:
2014
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
sejsmiczność indukowana
wstrząsy górnicze
zagrożenie tąpaniami
eksploatacja ścianowa
drzewa wzmacniane
sieci neuronowe
data mining
modele regresyjne
modele predykcyjne
induced seismicity
mining tremors
rockburst hazard
longwall mining
boosted trees
neural networks
regression models
predictive models
Opis:
This article presents the development and validation of predictive regression models of longwall mining-induced seismicity, based on observations in 63 longwalls, in 12 seams, in the Bielszowice colliery in the Upper Silesian Coal Basin, which took place between 1992 and 2012. A predicted variable is the logarithm of the monthly sum of seismic energy induced in a longwall area. The set of predictors include seven quantitative and qualitative variables describing some mining and geological conditions and earlier seismicity in longwalls. Two machine learning methods have been used to develop the models: boosted regression trees and neural networks. Two types of model validation have been applied: on a random validation sample and on a time-based validation sample. The set of a few selected variables enabled nonlinear regression models to be built which gave relatively small prediction errors, taking the complex and strongly stochastic nature of the phenomenon into account. The article presents both the models of periodic forecasting for the following month as well as long-term forecasting.
W artykule przedstawiono budowę i walidację predykcyjnych modeli regresyjnych sejsmiczności indukowanej eksploatacją w ścianie, opartych na obserwacjach w 63 ścianach kopalni Bielszowice prowadzonych w 12 pokładach w latach 1992-2012. Zmienna prognozowaną jest logarytm miesięcznej sumy energii sejsmicznej wstrząsów w ścianie. Zestaw predyktorów składa się z siedmiu zmiennych ilościowych i jakościowych opisujących wybrane czynniki górnicze i geologiczne w ścianach. Do budowy modeli zastosowano dwie metody uczenia się maszyn: drzewa wzmacniane oraz sieci neuronowe. Zastosowano dwa rodzaje walidacji modeli: na losowej próbie walidacyjnej oraz na czasowej próbie walidacyjnej. Zestaw kilku wybranych zmiennych pozwolił na zbudowanie nieliniowych modeli regresyjnych, które, biorąc pod uwagę złożoną i silnie stochastyczną naturę zjawiska, dają względnie małe błędy pro gnozy. W artykule przedstawiono zarówno modele do prognozy okresowej na kolejny miesiąc jak i do prognozy długoterminowej.
Źródło:
Archives of Mining Sciences; 2014, 59, 3; 705-720
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Predykcyjny model dobowej emisji energii sejsmicznej indukowanej eksploatacją górniczą
Predictive model of the daily release of seismic energy induced by mining
Autorzy:
Jakubowski, J.
Lenart, Ł.
Ożóg, Ł.
Powiązania:
https://bibliotekanauki.pl/articles/166220.pdf
Data publikacji:
2014
Wydawca:
Stowarzyszenie Inżynierów i Techników Górnictwa
Tematy:
sejsmiczność indukowana
wstrząsy górnicze
hazard sejsmiczny
zagrożenie tąpaniami
drzewa wzmacniane
sieci neuronowe
regresja logistyczna
modele prognostyczne
modele klasyfikacyjne
induced seismicity
mining tremors
seismic hazard
rockburst hazard
data mining
boosted trees
neural networks
logistic regression
predictive model
classification model
Opis:
W artykule przedstawiono budowę i ocenę predykcyjnego modelu klasyfikacyjnego dobowej emisji energii sejsmicznej indukowanej eksploatacją ścianową węgla. Model jest oparty na danych z katalogu wstrząsów i podstawowych danych o wydobyciu i ścianach eksploatowanych w partii XVI kopalni Piast w okresie od lipca 1987 do marca 2011. Zmienną prognozowaną jest dwustanowa zmienna określająca wystąpienie dobowej sumy energii sejsmicznej wstrząsów w rejonie ściany większej lub równej wartości progowej 10/5 J. Zastosowano trzy metody analityczne w schemacie data mining: regresję logistyczną, sieci neuronowe i drzewa wzmacniane. Jako najlepszy do celów prognozy wybrano model drzew wzmacnianych. Wyniki na zbiorze walidacyjnym pokazały jego dobrą zdolność predykcyjną, co zachęca do dalszych badań.
This paper presents the design and evaluation of the classification predictive model of daily seismic activity induced by longwall mining. The model combines seismic catalog data, output volume and basic characteristics of the longwall faces in sector XVI of the Piast coal mine over the period of July 1987 to March 2011. The predicted variable defines the occurrence of a daily sum of seismic energy released nearby the longwall, that is greater than or equal to the threshold value of 10/5 J. Machine learning and statistical methods were applied, namely neural networks, stochastic gradient boosted trees and logistic regression. The design and evaluation of the classification predictive models were presented. The boosted tree model appeared to meet the prediction quality criteria best. The results of the model evaluation show its promising predictive capability.
Źródło:
Przegląd Górniczy; 2014, 70, 3; 18-25
0033-216X
Pojawia się w:
Przegląd Górniczy
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    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