PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

A predictive model of daily seismic activity induced by mining, developed with data mining methods

Autorzy
Identyfikatory
Warianty tytułu
PL
Model predykcyjny dobowej aktywności sejsmicznej indukowanej eksploatacją, zbudowany metodami data mining
Języki publikacji
EN
Abstrakty
PL
W artykule przedstawiono budowę i ocenę predykcyjnego modelu klasyfikacyjnego dobowej energii sejsmicznej indukowanej eksploatacją ścianową węgla w partii XVI kopalni Piast. Model wykorzystuje dane o energii wstrząsów oraz podstawowe dane charakteryzujące front eksploatacji i wydobycie w tej partii w okresie od lipca 1987 do marca 2011. Dwustanową zmienną prognozowaną jest wystąpienie dobowej sumy energii wstrząsów w ścianie większej lub równej wartości progowej 105 J. Zastosowano trzy metody analityczne data mining: regresję logistyczną, sieci neuronowe i drzewa wzmacniane. Jako najlepszy dla celów prognozy wybrano model drzew wzmacnianych. Wyniki na próbie walidacyjnej pokazują jego wysoką zdolność predykcyjną, biorąc pod uwagę złożoność zjawiska. Wskazywać to może na przydatność zastosowanego modelu do konstrukcji bieżącej, krótkookresowej prognozy zagrożenia sejsmicznego.
Rocznik
Tom
Strony
8--19
Opis fizyczny
Bibliogr. 41 poz., rys., tab.
Twórcy
  • AGH University of Science and Technology, Department of Geomechanics, Civil Eng. and Geotechnics, Krakow, Poland
Bibliografia
  • 1. Berry M., Linoff G. 2000. Mastering Data Mining. Wiley, Hoboken, NJ.
  • 2. Bradley A. P. 1997. The use of the area under the ROC curve in the evaluation of machine learning algorithms, Pattern Recognition, 30 (7), pp. 1145-1159.
  • 3. Cabena P., Hadjinian P., Stadler R., Verhees J., Zanasi A. 1998. Discovering Data Mining: From Concept to Implementation. Prentice Hall, NY
  • 4. Cianciara A., Cianciara B., Takuska-Wegrzyn E. 2005. Methods of tremor risk monitoring based on analysis of non-homogeneity of stream of registered seismoacoustic emission. Geoinformatica Polonica, 7:2005.
  • 5. Dubiński J., Konopko W. 2000. Tąpania. Ocena, prognoza, zwalczanie. GIG Katowice.
  • 6. Epstein B., Lomnitz C. 1966. A model for the occurrence of large earthquakes. Nature 211, pp. 954-956.
  • 7. Gibowicz S.J. 1979. Space and time variations of the frequency-magnitude relation for mining tremors in the Szombierki coal mine in Upper Silesia, Poland. Acta Geophys. Pol. 27, pp. 39-50.
  • 8. Gibowicz S. J., Kijko A. 1994. An Introduction to Mining Seismology. Academic Press, San Diego.
  • 9. Gibowicz S.J., Lasocki S. 2001. Seismicity induced by mining: Ten years later. Adv. Geophys. 44, pp. 39-181.
  • 10. Głowacka E. 1992. Application of the extracted volume as a measure of deformation for the seismic hazard evaluation in mines. Tectonophysics 202, pp. 285-290.
  • 11. Golda I., Kornowski J. 2011. Zagrożenie sejsmiczne i sejsmiczne zagrożenie tąpnięciem. Część II. Ocena ilościowa i analiza jej niepewności. Prace naukowe GIG. Górnicze zagrożenia naturalne 2008. Górnictwo i Środowisko 4/2/2011 GIG, Katowice.
  • 12. Hand D., Mannila H., Smyth P. 2001. Eksploracja danych. MIT Press, WNT.
  • 13. Harańczyk G, Stępień M. 2008. Ilustrowana sztuka podejmowania decyzji. Matematyka Społeczeństwo Nauczanie, 41, pp. 12-15.
  • 14. Idziak A., Sagan G., Zuberek W.M. 1991. An analysis of frequency distributions of shocks from the Upper Silesian Coal Basis. Publ. Inst. Geophys., Pol. Acad. Sci, M-15 (235) pp. 163-182.
  • 15. Jakubowski J., Lenart Ł., Ożóg Ł. 2014: Predykcyjny model dobowej emisji energii sejsmicznej indukowanej eksploatacją górniczą. Przegląd Górniczy 70(3), 18-25.
  • 16. Jakubowski J., Tajduś A. 2014. Predictive regression models of monthly seismic energy emissions induced by longwall mining. Archives of Mining Sciences 59(3).
  • 17. Kabiesz J. 2008. Badanie kategoryzacji zagrożenia tąpaniami z wykorzystaniem sieci neuronowych. Górnicze zagrożenia naturalne 2008. Prace naukowe GIG. Górnictwo i Środowisko 7/2008 GIG, Katowice.
  • 18. Kijko A. 1997. Seismic hazard assessment in mines. [In:] S.J. Gibowicz and S. Lasocki (eds.) Rockbursts and Seismicity in Mines. Balkema, Rotterdam, pp. 247-256.
  • 19. Kijko A., Drzezla B., Stankiewicz T. 1987. Bimodal character of the distribution of extreme seismic events in Polish mines. Acta Geophys. Pol. 35, pp. 157-166.
  • 20. Kijko A., Lasocki S., Graham G., Retief S.J.P. 2001. Non-parametric seismic hazard analysis in mines. [In:] van Aswegen, G., Durrheim, R.J., Ortlepp, W.D. (eds.), Rockbursts and Seismicity in Mines Dynamic Rock Mass Response to Mining. South African Inst. Min. Metal, Johannesburg, pp. 493-500.
  • 21. Kornowski J., Kurzeja J. 2010. Energetyczna prognoza zagrożenia sejsmicznego. Prace naukowe GIG. Górnicze zagrożenia naturalne. Górnictwo i Środowisko 4/3/2010 GIG, Katowice.
  • 22. Koronacki I, Ćwik J. 2005. Statystyczne systemy uczące się. Wydawnictwa Naukowo-Techniczne, Warszawa.
  • 23. Larose D.T. 2008. Metody i modele eksploracji danych. PWN, Warszawa.
  • 24. Lasek M. 2002. Data mining. Zastosowania w analizach i ocenach klientów bankowych. BMiB, Warszawa.
  • 25. Lasocki S. 1992. Weibull distribution for time intervals between mining tremors. Publ. Inst. Geophys. Polish Acad. Sci. M-16(245), pp. 241-260.
  • 26. Lasocki S. 1993. Statistical prediction of strong mining tremors. Acta Geophys. Pol. 41, pp. 197-234.
  • 27. Lasocki S., Orlecka-Sikora B. 2008. Seismic hazard assessment under complex source size distribution of mining-induced seismicity. Tectonophysics 456, pp. 8-37.
  • 28. Leśniak A., Isakow Z. 2009. Space-time clustering of seismic events and hazard assessment in the Zabrze-Bielszowice coal mine, Poland. International Journal of Rock Mechanics & Mining Sciences 46, pp. 918-928.
  • 29. Marcak H. 1993. The use of pattern recognition method for predicting of the rockbursts. [In:] R.R. Young, (ed.) Rockbursts and Seismicity in Mines. Balkema, Rotterdam, pp. 222-226.
  • 30. McGarr A. 1976. Seismic moments and volume changes. J. Geophys. Res. 81, pp. 1487-1494.
  • 31. Migut G., Haraficzyk G., 2011. Zastosowanie statystyki i data mining w badaniach naukowych i inne materiały, http://www.statsoft.pl/czytelnia/.
  • 32. Orlecka-Sikora B. 2008. Resampling methods for evaluating the uncertainty of the nonparametric magnitude distribution estimation in the Probabilistic Seismic Hazard Analysis. Tectonophysics 456, pp. 38-51.
  • 33. Ratner B. 2003. Statistical Modellingand Analysis for Database Marketing - Effective Techniques for Mining Big Data. Chapman & Hall / CRC.
  • 34. Rudajev V., Ciz R. 1999. Estimation of mining tremor occurrence by using neural networks. Pure Appl. Geophys. 154, pp. 57-72.
  • 35. Seidman C. 2000. Zgłębianie i analiza danych w Microsoft SQL Server 2000. Microsoft.
  • 36. Sikora M. 2011. Induction and pruning of classification rules for prediction of microseismic hazards in coal mines. Expert Systems with Applications 38, pp. 6748-6758.
  • 37. StatSoft, Inc. 2011. STATISTICA (data analysis software system), version 10.
  • 38. Tadeusiewicz R., Gąciarz T., Borowik B., Leper B. 2007. Odkrywanie właściwości sieci neuronowych przy użyciu programów w języku C#. Wydawnictwo PAU, Kraków.
  • 39. Trifu C.I., Shumila V., Urbancic T.I. 1997. Space-time analysis of microseismicity and its potential for estimating seismic hazard in mines. [In:] S.J. Gibowicz and S. Lasocki, (eds.) Rockbursts and Seismicity in Mines. Balkema, Rotterdam, pp. 295-298.
  • 40. Vallejos J.A., McKinnon S.D. 2011. Correlations between mining and seismicity for re-entry protocol development. International Journal of Rock Mechanics & MiningSciences 48, pp. 616-625.
  • 41. Xie H. 1993. Fractals in Rock Mechanics. Geomechanics Research series, Balkema
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-45e78b3e-4724-471a-8ef1-459e45da2449
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.