Analysis of principal components used for modelling changes in glacitectonically disturbed areas

• Autorzy: Mrówczyńska M.

Identyfikatory

DOI

10.2478/jwld-2018-0066

Warianty tytułu

PL

Zastosowanie analizy składników głównych do modelowania zmian na terenach zaburzonych glacitektonicznie

• Języki publikacji: EN

Abstrakty

EN

Determination of vertical displacements of engineering objects is closely related to geodesic monitoring. Its purpose is to record the dynamics of changes in the deformation phenomenon. Geodesic monitoring requires the use of appropriate measurement equipment and appropriate methods for processing observation results, which make it possible to determine the correlation between the causes and effects of deformations in engineering objects. Progress in information technology resulted in the appearance of new methods for processing and compressing experimental data which are resistant to noise or interference and enable reduction of the amount of information. The paper presents a method for statistical analysis of multidimensional data based on PCA (principal component analysis) transformation, implemented with the use of a neural network. PCA transformation, related to the Karhunen–Loeve transformation, is used for processing signals regarded as stochastic processes. This method makes enables reduction of the input data space on the basis of independent principal components with due attention to their significance. It also makes it possible to model changes occurring in both buildings and terrain in glacitectonically disturbed areas.

PL

Wyznaczenie przemieszczeń pionowych obiektów inżynierskich jest ściśle związane z monitoringiem geodezyjnym, mającym za zadanie zarejestrowanie dynamiki zmian zjawiska deformacji. Monitoring geodezyjny wymaga zastosowania odpowiedniego sprzętu pomiarowego oraz odpowiednich metod przetwarzania wyników obserwacji, umożliwiających określenie związku między skutkami a przyczynami deformacji badanego obiektu. Wraz z rozwojem technologii informacyjnej zaczęto przetwarzać dane eksperymentalne w sposób odporny na szumy i zakłócenia oraz stosować kompresję danych, pozwalającą na zmniejszenie ilości informacji. W pracy przedstawiono metodę analizy statystycznej wielowymiarowych danych za pomocą transformacji metodą analizy głównych składowych (PCA – principal component analysis), realizowanej z wykorzystaniem sieci neuronowej. Transformacja PCA, związana z transformacją Karhunena–Loevego, znajduje zastosowanie w przetwarzaniu sygnałów traktowanych jako procesy stochastyczne. Omawiana w pracy metoda umożliwia zmniejszenie przestrzeni danych wejściowych na podstawie wyznaczonych niezależnych składników głównych z uwzględnieniem ich znaczenia oraz modelowanie zmian na terenach zaburzonych glacitektonicznie, zarówno w odniesieniu do obiektów budowlanych, jak i samego terenu.

Słowa kluczowe

EN

geodesic monitoring; glacitectonically disturbed areas; PCA transformation; vertical displacements

PL

grunty zaburzone glacitektonicznie; monitoring geodezyjny; przemieszczenia pionowe; transformacja PCA

• Wydawca: Wydawnictwo ITP
• Czasopismo: Journal of Water and Land Development
• Rocznik: 2018
• Tom: no. 39
• Strony: 119--123
• Opis fizyczny: Bibliogr. 17 poz., rys., tab.

Twórcy

autor

Mrówczyńska M.

• University of Zielona Góra, Faculty of Civil Engineering, Architecture and Environmental Engineering, ul. Prof. Z. Szafrana 1, 65-516 Zielona Góra, Poland

Bibliografia

• DONG D., FANG P., BOCK Y., WEBB F., PRAWIRODIRDJO L., KEDAR S., JAMASON P. 2006. Spatiotemporal filtering using principal component analysis and Karhunen-Love expansion approaches for regional GPS network analysis. Journal of Geophysical Research Vol. 111. B03405. p. 1–16. DOI 10.1029/2005JB003806.
• GONTASZEWSKA-PIEKARZ A., MRÓWCZYŃSKA M. 2008. Charakterystyka nierównomiernych osiadań obiektu budowlanego posadowionego na gruntach ekspansywnych. W: Renowacja budynków i modernizacja obszarów zabudowanych [Characteristics of uneven settlements of a building object erected on expansive lands. In: Renovation of buildings and modernization of built-up areas]. Ed. T. Biliński. Zielona Góra. Ofic. Wydaw. UZ. p. 119–130.
• HEIDARI M., MOATTAR M.H. 2017. Discriminative geodesic Gaussian process latent variable model for structure preserving dimension reduction in clustering and classification problems. Neural Computing and Applications p. 1–14. DOI 10.1007/s00521-017-3273-4.
• KLAPA P., MITKA B., ZYGMUNT M. 2017. Application of integrated photogrammetric and Terrestraial Laser Scanning data to cultural heritage surveying. WMESS 2017 IOP Conf. Ser. Earth and Environmental Science. Vol. 95 p. 1–8. DOI 10.1088/1755-1315/95/3/032007.
• KOSITSKY A.P., AVOUAC J.P. 2010. Inverting geodetic time series with a principal component analysis-based inversion method. Journal of Geophysical Research. Vol. 115. B03401 p. 1–19. DOI 10.1029/2009JB006535.
• LEŚNIAK A., ZIMA K. 2018. Cost calculation of construction projects including sustainability factors using the Case Based Reasoning (CBR) method. Vol. 10(5) p. 1–14. DOI 10.3390/su10051608.
• MRÓWCZYŃSKA M. 2005. Kompresja wyników eksperymentu na podstawie transformacji PCA [Compression of experimental results based on PCA transformation]. Prace Naukowe Instytutu Górnictwa Politechniki Wrocławskiej. Vol. 114 p. 255–262.
• NEJABAT M., NEGAHDARSABER M., GHAHARI G. 2017. Range of soil and climate characteristics appropriate for Pistacia atlantica forest development and rehabilitation (case study: Fars province Iran). Journal of Water and Land Development. No. 32 p. 71–78. DOI 10.1515/jwld-2017-0008.
• NIEMEIER W. 1982. Principal Component Analysis and geodetic networks – Some basic considerations. In: Meeting of FIG Study Group 5B Survey Control Networks. Aalborg. 07–09.07.1982. Eds. K. Borre, W. Welsch. Proceedings Survey Control Networks. H. 7 p. 275–292.
• OSOWSKI S. 2006. Sieci neuronowe do przetwarzania informacji [Neural networks for information processing]. Warszawa. Ofic. Wydaw. PW. ISBN 978-83-7207-615-1 pp. 422.
• PRÓSZYŃSKI W., KWAŚNIAK B. 2006. Podstawy geodezyjnego wyznaczania przemieszczeń: Pojęcia i elementy metodyki [Basics of geodetic determination of displacements: Concepts and elements of methodology]. Warszawa. Ofic. Wydaw. PW. ISBN 8372076294 pp. 212.
• SAMAT A., GAMBA P., ABUDUWAILI J., LIU S., MIAO Z. 2016. Geodesic flow Kernel support vector machine for hyperspectral image classification by unsupervised subspace feature transfer. Vol. 8. Iss. 3 p. 1–23. DOI 10.3390/rs8030234.
• SKRZYPCZAK I., KOKOSZKA W., KOGUT J., OLENIACZ G. 2017. Methods of measuring and mapping of landslide areas. World Multidisciplinary Earth Sciences Symposium 2017. Book Series: IOP Conference Series-Earth and Environmental Science. Vol. 95 p. 1–9.
• SZEWRAŃSKI S., KAZAK J., ŻMUDA R., WAWER R. 2017. Indicator-based assessment for soil resource management in the Wrocław larger urban zone of Poland. Polish Journal of Environmental Studies. Vol. 26. No. 5 p. 2239–2248. DOI 10.15244/pjoes/70178.
• TIAMPO K.F., GONZÁLEZ P.J., SAMSONOV S., FERNÁNDEZ J., CAMACHO A. 2017. Principal component analysis of MSBAS DInSAR time series from Campi Flegrei, Italy. Journal of Volcanology and Geothermal Research. Vol. 344 p. 139–153.
• ZACZEK-PEPLINSKA J., KARSZNIA K. 2017. Wykorzystanie nowoczesnych technik pomiarów geodezyjnych w technicznej kontroli zapór. Budowle piętrzące – eksploatacja i monitoring [The use of modern surveying techniques in technical inspection of dams. High-rise buildings – operation and monitoring]. Monografie Instytutu Meteorologii i Gospodarki Wodnej. Warszawa. IMGW-PIB p. 19–35.
• ZACZEK-PEPLINSKA J., PASIK M., POPIELSKI P. 2013. Geodezyjny monitoring obiektów w rejonie oddziaływania budowy tuneli i głębokich wykopów – doświadczenia i wnioski [Geodetic monitoring of objects in the area of impact of tunnel construction and deep excavations – experience and conclusions]. Acta Scientiarum Polonorum Architectura. Vol. 12. No. 2 p. 17–31.