- Tytuł:
-
Wykorzystanie probabilistycznych sieci neuronowych do wyznaczania ryzyka powstania szkód w budynkach poddanych wstrząsom górniczym
Probabilistic neural networks in the assessment of the risk of damage to buildings subject to mining tremors - Autorzy:
-
Witkowski, M.
Rusek, J. - Powiązania:
- https://bibliotekanauki.pl/articles/166968.pdf
- Data publikacji:
- 2017
- Wydawca:
- Stowarzyszenie Inżynierów i Techników Górnictwa
- Tematy:
-
obiekty budowlane
wstrząsy górnicze
ryzyko
szkody górnicze
probabilistyczne sieci neuronowe
PNN
building structures
mining tremors
risk
mining damage
probabilistic neural network - Opis:
-
W pracy przedstawiono metodykę pozwalającą na wyznaczenie ryzyka powstania szkód górniczych w budynkach o tradycyjnej
konstrukcji murowanej w przypadku silnych wstrząsów górniczych. Podstawą do analiz była baza danych o zgłoszeniach uszkodzeń,
jakie wystąpiły po wstrząsach z 20.02.2002 r., 16.05.2004 r. oraz 21.05.2006 r. (LGOM Polkowice) W oparciu o te dane
utworzono model klasyfikacyjny w postaci probabilistycznej sieci neuronowej (PNN - Probabilistic Neural Network). Bazując
na wynikach wcześniejszych prac, w modelu ujęto konstrukcyjne i geometryczne cechy budynków oraz ich zabezpieczenia
przeciwko wstrząsom górniczym. Powstały klasyfikator pozwala na wskazanie prawdopodobieństwa powstania szkody przy
zadanym zestawie zmiennych wejściowych. Probabilistyczna notacja modelu daje możliwość efektywnego szacowania prawdopodobieństwa
wystąpienia szkody w analizie dużych grup obiektów budowlanych zlokalizowanych w obszarze oddziaływań
parasejsmicznych. Pozwolić to może z kolei na oszacowanie, z odpowiednim prawdopodobieństwem, nakładów finansowych,
które zakład górniczy powinien zabezpieczyć na usunięcie spodziewanych szkód górniczych.
This paper presents a methodology that allows to determine the risk of mining damage in buildings of conventional brickwork in the case of strong mining tremors. The basis for the analysis was the database on notifications of damage occurring after the upheavals of 20 February 2002, 16 May 2004 and 21 May 2006 (LGOM – Polkowice). Based on these data classification a model in the form of a probabilistic neural network (PNN) was developed. Basing on the results of the previous papers, the model includes structural and geometric characteristics of the buildings and their protection against mining tremors. The probability of damage at a given set of input variables can be indicated owing to the obtained classifier. An efficient way to estimate the probability of damage in the analysis of large groups of buildings located in the area of paraseismic interaction can be obtained by the use of a probabilistic notation model. Due to PNN the financing costs of removing the anticipated mining damage can be estimated with an appropriate probability. - Źródło:
-
Przegląd Górniczy; 2017, 73, 1; 44-47
0033-216X - Pojawia się w:
- Przegląd Górniczy
- Dostawca treści:
- Biblioteka Nauki
Artykuł