- Tytuł:
-
Application of the spatial data mining module in analysis of mining ground deformation factors
Zastosowanie modułu eksploracji danych przestrzennych w analizach czynników deformacji terenów górniczych - Autorzy:
-
Blachowski, J.
Stefaniak, P. - Powiązania:
- https://bibliotekanauki.pl/articles/88982.pdf
- Data publikacji:
- 2013
- Wydawca:
- Politechnika Wrocławska. Wydział Geoinżynierii, Górnictwa i Geologii. Instytut Górnictwa
- Tematy:
-
multivariate statistical analysis
self-organising maps
mining deformation
GIS - Opis:
-
Spatial data mining methods for example those based on artificial neural networks (ANN) allow extraction of information from databases and detection of otherwise hidden patterns occurring in these data and in consequence acquiring new knowledge on the analysed phenomena or processes. One of these techniques is the multivariate statistical analysis, which facilitates identification of patterns otherwise difficult to observe. In the paper an attempt of applying self-organising maps (SOM) to explore and analyse spatial data related to studies of ground subsidence associated with underground mining has been described. The study has been carried out on a selected part of a former underground coal mining area in SW Poland with the aim to analyse the influence of particular ground deformation factors on the observed subsidence and the relationships between these factors. The research concerned the uppermost coal panels and the following factors: mining system, time of mining activity and inclination, thickness and depth below the ground of the exploited coal panels. It has been found that the exploratory spatial data analysis can be used to identify relationships in multidimensional data related to mining induced ground subsidence. The proposed approach may be found useful in identification of areas threatened by mining related subsidence and in creating scenarios of developing deformation zones and therefore aid spatial development of mining grounds.
Metody eksploracji danych przestrzennych na przykład te oparte na sztucznych sieciach neuronowych (SSN) pozwalają na ekstrakcję informacji z baz danych i wykrywanie ukrytych relacji występujących w tych danych, a w konsekwencji pozyskiwanie nowej wiedzy o analizowanych zjawiskach i procesach. Jedną z grup technik eksploracji danych przestrzennych jest statystyczna analiza wielowymiarowa (ang. multivariate statistical analysis), która umożliwia identyfikację wzorców inaczej trudnych do wykrycia. W pracy przedstawiono próbę zastosowania metodyki samoorganizujacyh się map (SOM) w eksploracji i analizie danych przestrzennych na potrzeby wspomagania badań deformacji powierzchni spowodowanych podziemną działalnością górniczą. Badania przeprowadzono na wybranym fragmencie dawnego zagłębia węgla kamiennego w Polsce w celu analiz wpływu czynników deformacji górotworu na obserwowane osiadania powierzchni i związków między tymi czynnikami. Dotyczyły one dwóch górnych pokładów węgla i następujących czynników: system eksploatacji, okres eksploatacji, nachylenie, miąższość i głębokość eksploatowanych pokładów poniżej powierzchni terenu. W wyniku przeprowadzonych badań stwierdzono przydatność metody SOM do identyfikacji związków w danych wielowymiarowych dotyczących deformacji terenów górniczych Proponowane podejście może także znaleźć zastosowanie w identyfikacji obszarów zagrożonych osiadaniami oraz w budowaniu scenariuszy rozwoju stref deformacji, a przez to wspomaganie planowania zagospodarowania przestrzennego takich obszarów. - Źródło:
-
Mining Science; 2013, 20; 5-17
2300-9586
2353-5423 - Pojawia się w:
- Mining Science
- Dostawca treści:
- Biblioteka Nauki
Artykuł