Koncepcja holistycznej metody analizy próbek węgla z wykorzystaniem sztucznych sieci neuronowych

• Autorzy: Skiba Marta

Warianty tytułu

EN

The concept of a holistic method of coal samples analysis using artificial neural networks

• Języki publikacji: PL

Abstrakty

PL

Mikroskopowe analizy próbek węgla wykonywane są najczęściej w sposób manualny, a kluczową kwestią podczas ich przeprowadzania jest poprawność oraz powtarzalność. Rozpatrując poszczególne próbki warto uwzględnić zarówno ich skład (udział grup macerałów oraz materii mineralnej) jak również informację o stopniu zniszczenia struktury węglowej. Takie holistyczne podejście pozwala wnioskować o właściwościach technologicznych oraz gazowych rozpatrywanych próbek węgla. W prezentowanej pracy przedstawiono koncepcję automatycznej metody opisu próbek węgla, bazującej na wcześniejszych doświadczeniach dotyczących klasyfikacji grup macerałów oraz węgla odmienionego strukturalnie ze stref przyuskokowych z wykorzystaniem sztucznych sieci neuronowych. W wyniku badań uzyskano wysoką średnią skuteczność proponowanej metody na poziomie 95% poprawnych klasyfikacji.

EN

Microscopic analyzes of coal are most often performed manually, and the key issue during their performance is correctness and repeatability. When considering individual samples, it is worth taking into account both their composition (content of maceral groups and mineral matter) as well as information about the degree of destruction of the coal structure. Such a holistic approach allows us to draw conclusions about the technological and gas properties of the analyzed coal samples. This paper presents the concept of an automatic method for the description of coal samples, based on previous experiences concerning the classification of maceral groups and structurally altered coal from the near fault zones using artificial neural networks. As a result of the research, a high average effectiveness of the proposed method was obtained, at the level of 95% of correct classifications.

Słowa kluczowe

PL

grupy macerałów; sztuczne sieci neuronowe; SSN; węgiel odmieniony strukturalnie

EN

maceral group; artificial neural networks; ANN; structurally altered coal

• Wydawca: Instytut Mechaniki Górotworu PAN
• Czasopismo: Prace Instytutu Mechaniki Górotworu PAN
• Rocznik: 2020
• Tom: T. 22, nr 1-4
• Strony: 55--60
• Opis fizyczny: Bibliogr. 17 poz., rys.

Twórcy

autor

Skiba Marta

• Instytut Mechaniki Górotworu PAN, ul. Reymonta 27, 30-059 Kraków

Bibliografia

• Beamish B., Crosdale P. J., 1998: Instantaneous outbursts in underground coal mines: An overview and association with coal type, International Journal of Coal Geology 35, 27-55.
• Cao Y, Mitchell G. D., Davis A., Wang D., 2000: Deformation metamorphism of bituminous and anthracite coals from China. International Journal of Coal Geology 43, 227-242.
• Ciskowski P., 2012: Poznawanie własności sieci neuronowych w środowisku MATLAB. Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław.
• Lula P., Paliwoda-Pękosz G., Tadeusiewicz R., 2007: Metody sztucznej inteligencji i ich zastosowania w ekonomii i zarządzaniu. Wydawnictwo Akademii Ekonomicznej w Krakowie, Kraków.
• Młynarczuk M., Godyń K., 2012: Wykorzystanie metod rozpoznawania obrazów do wspierania procesu decyzyjnego dotyczącego klasyfikacji węgla ze względu na wybrane cechy petrograficzne. Prace Instytutu Mechaniki Górotworu PAN, Tom 14, nr 1-4, s. 3-14.
• Młynarczuk M., Godyń K., Aksamit J., 2013: Optymalizacja procesu automatycznej klasyfikacji cech strukturalnych węgla z obszarów zagrożonych wyrzutami gazów i skał opartego na metodach rozpoznawania obrazów. Prace Instytutu Mechaniki Górotworu PAN, Tom 15, nr 1-2, s. 85-93.
• Młynarczuk M., Godyń K., Skiba M., 2015: Wykorzystanie sztucznych sieci neuronowych do klasyfikacji struktur odmienionych węgla kamiennego w strefach przyuskokowych, Przegląd Górniczy, Vol. 11, pp. 15-20.
• Młynarczuk M., Skiba M., 2017: The application of artificial intelligence for the identification of the maceral groups and mineral components of coal. Computers & Geosciences, Vol. 103, pp. 133-141.
• Jakubów A., Tor A., Wierzbicki M., 2006: Własności strukturalne węgla w rejonie wyrzutu węgla i gazu w chodniku transportowym D-6 pokład 409/4 KWK „Zofiówka”, Konferencja Naukowo-Techhniczna „Górnicze Zagrożenia Naturalne”.
• PN-ISO 7404-2, 2005: Metody analizy petrograficznej węgla kamiennego (bitumicznego) i antracytu. Część 2: Metoda przygotowania próbek węgla. Polski Komitet Normalizacyjny, Warszawa.
• PN-ISO 7404-3, 2001: Metody analizy petrograficznej węgla kamiennego (bitumicznego) i antracytu. Polski Komitet Normalizacyjny, Warszawa.
• Skiba M., Młynarczuk M., 2018: Identification of macerals of the inertinite group using neural classifiers, based on selected textural features. Arch. Min. Sci., Vol. 63, No 4, pp. 827-837.
• Tadeusiewicz R., 1998: Elementarne wprowadzenie do techniki sieci neuronowych z przykładowymi programami. Akademicka Oficyna Wydawnicza, Warszawa.
• Tadeusiewicz R., Lula P., 2001: Wprowadzenie do sieci neuronowych, StatSoft, Kraków.
• Tadeusiewicz R., Szaleniec M., 2015: Leksykon sieci neuronowych. Wyd. I, Wydawnictwo Fundacji „Projekt Nauka”, Wrocław.
• Wierzbicki M., Młynarczuk M., 2006: Microscopic analysis of structure of coal samples collected after a gas and coal outbursts in the gallery D-6, coal seam 409/4 in the “Zofiówka” coal mine (upper Silesian coal basin). Arch. Min. Sci., t. 51, s. 577-588.
• Żurada J., Barski M., Jędruch W., 1996: Sztuczne sieci neuronowe: podstawy teorii i zastosowania. Wydawnictwo Naukowe PWN, Warszawa.