Methodology for assessing the moisture content of historic brick masonry using machine learning

• Autorzy: Hoła Anna

Identyfikatory

DOI

10.15199/33.2024.09.12

Warianty tytułu

PL

Metoda oceny wilgotności zabytkowych murów ceglanych z wykorzystaniem uczenia maszynowego

• Języki publikacji: EN PL

Abstrakty

EN

The subject of the paper is an original two-stage methodology for assessing the moisture content of historic brick walls using machine learning. The first stage includes the creation of a dataset from the results of experimental and archival research carried out in selected historic buildings. Stage two considers the generation of a model based on the dataset and the indicated machine learning algorithms. The reliability and practical suitability of the methodology was verified by an example of its application.

PL

Przedmiotem artykułu jest oryginalna dwuetapowa metoda oceny wilgotności zabytkowych murów ceglanych z wykorzystaniem uczenia maszynowego. Etap pierwszy obejmuje utworzenie zbioru danych z rezultatów badań doświadczalnych i archiwalnych przeprowadzonych w wytypowanych budynkach zabytkowych. Etap drugi uwzględnia wygenerowanie modelu na podstawie zbioru danych oraz wskazanych algorytmów uczenia maszynowego. Wiarygodność i przydatność praktyczną metody zweryfikowano przykładem jej zastosowania.

Słowa kluczowe

EN

historic masonry; brick wall; moisture content; salinity; assessment methodology; non-destructive method; machine learning; example

PL

mur zabytkowy; mur ceglany; wilgotność; zasolenie; metoda oceny; metoda nieniszcząca; uczenie maszynowe; przykład

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Materiały Budowlane
• Rocznik: 2024
• Tom: nr 9
• Strony: 88--94
• Opis fizyczny: Bibliogr. 16 poz., il., tab.

Twórcy

autor

Hoła Anna

• Politechnika Wrocławska, Wydział Budownictwa Lądowego i Wodnego

• https://orcid.org/0000-0002-6105-7604

Bibliografia

• [1] Ksit B. Diagnostyka wilgotności obiektów budowlanych. In: Drobiec Ł., editor. Naprawy i wzmocnienia konstrukcji, Budownictwo ogólne, Tom I, Wykłady. XXXVIII Ogólnopolskie Warsztaty Pracy Projektanta Konstrukcji, Wisła, 9-12.04.2024 r. Polski Związek Inżynierów i Techników Budownictwa: 2024. pp. 215-243.
• [2] Trochonowicz M., Szostak B., Lisiecki D. Analiza porównawcza badań wilgotnościowych metodą chemiczną w stosunku do badań grawimetrycznych wybranych materiałów budowlanych. Budownictwo i Architektura. 2016; 15: 163-171.
• [3] Hussain A., Akhtar S. Review of Non-Destructive Tests for Evaluation of Historic Masonry and Concrete Structures. Arabian Journal for Science and Engineering. 2017; https://doi.org/10.1007/s13369-017-2437-y.
• [4] Sandrolini F., Franzoni E. An operative protocol for reliable measurements of moisture in porous materials of ancient buildings. Building and Environment. 2006; https://doi.org/10.1016/j.buildenv.2005.05.023.
• [5] Matkowski Z. Badania wilgotności i zasolenia murów oraz sklepień ceramicznych w historycznym obiekcie podziemnym. Materiały Budowlane. 2022; https://doi.org/10.15199/33.2022.11.48.
• [6] Martínez-Garrido M.I., Fort R., Gómez-Heras M., Valles-Iriso J., Varas-Muriel M.J. A comprehensive study for moisture control in cultural heritage using non-destructive techniques. Journal of Applied Geophysics. 2018; https://doi.org/10.1016/j.jappgeo.2018.03.008.
• [7] Hoła A. Methodology for the in situ testing of the moisture content of brick walls: an example of application. Archives of Civil and Mechanical Engineering. 2020; https://doi.org/10.1007/s43452-020-00120-3.
• [8] Pala A., Hoła J., Influence of burnt clay brick salinity on moisture content evaluated by non-destructive electric methods. Archives of Civil and Mechanical Engineering. 2016; https://doi.org/10.1016/j.acme.2015.08.001.
• [9] Valero L.R., Sasso V.F., Vicioso E.P. In situ assessment of superficial moisture condition in façades of historic building using non-destructive techniques. Case Studies in Construction Materials. 2019; https://doi.org/10.1016/j.cscm.2019.e00228.
• [10] Balík L., Kudrnáčová L., Pavlík Z., Černý R. Application of infrared thermography in complex moisture inspection of the Schebek Palace. AIP Conference Proceedings 1866. 2017; https://doi.org/10.1063/1.4994482.
• [11] Muradov M., Kot P., Markiewicz J., Łapiński S., Tobiasz A., Onisk K., Shaw A., Hashim K., Zawieska D., Mohi-Ud-Din G. Non-destructive system for in-wall moisture assessment of cultural heritage buildings. Measurement. 2022; https://doi.org/10.1016/j.measurement.2022.111930.
• [12] Hoła A., Czarnecki S. Brick wall moisture evaluation in historic buildings using neural networks. Automation in Construction. 2022; https://doi.org/10.1016/j.autcon.2022.104429.
• [13] Hoła A., Czarnecki S. Random forest algorithm and support vector machine for nondestructive assessment of mass moisture content of brick walls in historic buildings. Automation in Construction. 2023; https://doi.org/10.1016/j.autcon.2023.104793.
• [14] Hoła A. Methodology of the quantitative assessment of the moisture content of saline brick walls in historic buildings using machine learning. Archives of Civil and Mechanical Engineering. 2023; https://doi org/10.1007/s43452-023-00679-7.
• [15] Sun H., Burton H.V., Huang H. Machine learning applications for building structural design and performance assessment: State-of-the-art review. Journal of Building Engineering. 2021; https://doi.org/10.1016/j.jobe.2020.101816.
• [16] Hoła A. Verification of Non-Destructive Assessment of Moisture Content of Historical Brick Walls Using Random Forest Algorithm. Applied Sciences. 2023; https://doi.org/10.3390/app13106006.