Informacja

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

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "deformation prediction" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    Modelowanie deformacji ciągłych powierzchni terenu w warunkach zmiennego zalegania złoża
    Modeling continuous deformation of terrain in variable conditions of deposition
    Autorzy:
    Hejmanowski, R.
    Kwinta, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/216115.pdf
    Data publikacji:
    2010
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    deformacje górotworu
    modelowanie
    dokładność
    prognoza
    rock mass deformation
    modeling
    accuracy
    prediction
    Opis:
    Ciągłe deformacje powierzchni terenu wywołane podziemną eksploatacją górniczą mogą powodować zagrożenie budynków i infrastruktury. Zagadnienie modelowania deformacji od strony teoretycznej jest znane od wielu lat. Powszechnie stosowany jest model Knothego. Dokładność prognozowanych deformacji zależy w dużej mierze od prawidłowej identyfikacji parametrów modelu i warunków zalegania przewidzianego do eksploatacji złoża. W pracy przedstawiono charakterystykę metodyki modelowania warunków zalegania złoża w informatycznym systemie prognozowania MODEZ. Pozwala ona na uwzględnienie zmienności parametrów zalegania złoża i parametrów górniczo-geologicznych eksploatacji. W konsekwencji daje to znaczną poprawę jakości prognoz deformacji.
    Surface subsidence induced by underground mining activity may cause danger to buildings and infrastructure. The issue of the surface subsidence modelling is known for many years. The Knothe's theory is the most often used method of surface deformation modelling. Surface subsidence predictions accuracy depends mainly on the correct identification of model parameters and geometrical conditions of the strata occurrence. The paper presents a methodology for modelling of the seam occurrence in the computer system called MODEZ. That program is dedicated to surface subsidence prognosis. Shown system enables to take into account not only the variability of the seam deposit parameters but also the exploitations parameters. As a result it gives considerable improvement of the accuracy of the surface subsidence prognosis.
    Źródło:
    Gospodarka Surowcami Mineralnymi; 2010, 26, 3; 143-153
    0860-0953
    Pojawia się w:
    Gospodarka Surowcami Mineralnymi
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Ocena przydatności wybranych metod sztucznej inteligencji w prognozach przemieszczeń spowodowanych odwodnieniem górotworu na terenach górniczych
    Assessment of suitability of selected approaches of artificial intelligence in the prediction of surface subsidence due to rock mass drainage in mining areas
    Autorzy:
    Witkowski, W. T.
    Powiązania:
    https://bibliotekanauki.pl/articles/166125.pdf
    Data publikacji:
    2016
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Górnictwa
    Tematy:
    osiadania odwodnieniowe
    sztuczna inteligencja
    MLP
    SVM
    deformacje terenu
    drenaż górniczy
    prognoza
    drainage subsidence
    artificial intelligence
    surface deformation
    mine drainage
    prediction
    Opis:
    W publikacji przedstawiono problem osiadań powierzchni spowodowanych przez odwodnienie górotworu, obserwowanych na terenach górniczych. Przedstawiono możliwość prognozowania tych ruchów z wykorzystaniem narzędzi sztucznej inteligencji. Omówiono dwie metody obliczeniowe: wielowarstwową sieć perceptronową oraz metodę wektorów podtrzymujących. Proces uczenia sieci wykonano na zestawie danych reprezentujących jeden z polskich terenów górniczych. Uzyskane wyniki zaprezentowano w postaci wykresów korelacyjnych danych prognozowanych przez sieci oraz oczekiwanych odpowiedzi (dane wysokościowe). Weryfikację poprawności wytrenowania sieci przeprowadzono na próbce danych nieuczestniczących we wcześniejszej procedurze obliczeniowej. Zaprezentowano najlepsze rezultaty z procesu uczenia sieci MLP oraz SVM. W podsumowaniu wskazano możliwości dalszego rozwoju badań w zakresie wykorzystania sztucznej inteligencji w zagadnieniu osiadań odwodnieniowych obserwowanych na terenach górniczych.
    This paper presents a phenomenon of surface subsidence caused by dewatering of rock mass observed in mining areas. The possibility of forecasting these movements by the use of artificial intelligence tools was presented, and two calculation methods discussed: Multilayer Perceptron Network (MLP) and the Support Vectors Machines (SVM). The teaching process of the network was performed on the basis of a data set, representing one of the Polish mining areas. Obtained results were presented in the form of correlation graphs of data forecasted by neural networks and expected responses (elevation data). Verification of network training correctness was conducted on a sample of data not involved in the earlier calculation procedure. The best results of the learning process of MLP and SVM networks were presented. The summary indicated the possibility of further development of research in terms of using artificial intelligence in the issue of drainage subsidence observed in mining areas.
    Źródło:
    Przegląd Górniczy; 2016, 72, 2; 88-94
    0033-216X
    Pojawia się w:
    Przegląd Górniczy
    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