Możliwości wykorzystania automatycznych systemów decyzyjnych w monitoringu obiektów mostowych

• Autorzy: Karsznia K.

Warianty tytułu

EN

The possibilities of applying automatic decision-making systems in the structural monitoring of bridges

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono koncepcję zastosowania metod uczenia maszynowego (Machine Learning), ze szczególnym uwzględnieniem drzew decyzyjnych w budowaniu i rozwijaniu zintegrowanych systemów geomonitoringu dla obiektów mostowych.

EN

Integrated structural monitoring of buildings, particularly bridges, requires the use of advanced technology for the collecting, processing and modelling of data. Known solutions used for the testing of the physical condition of engineering structures (the so-called Structural Health Monitoring) and the detecting of changes of their geometrical features (GMS - Geodetic Monitoring Systems) have started to be used in a combined way providing users with a complete overview of the status of the examined objects. As a result, expert systems have been developed, making it possible to detect changes in the trends of occurring phenomena and identifying the infl uence of various factors invoking hazards. Such solutions - often named „geomonitoring” - enable their users to effectively manage risks - especially related to the safety of people and infrastructure. The article presents a concept of the use of machine learning technologies with special regard to the decision trees in building and developing integrated structural geomonitoring systems to examine bridges.

Słowa kluczowe

PL

SHM; GMS; system geoinformacyjny; geomonitoring; integracja pomiarów

EN

SHM; GMS; geoinformation system; geomonitoring; integration of measurements

• Wydawca: ELAMED Media Group
• Czasopismo: Mosty
• Rocznik: 2016
• Tom: nr 6
• Strony: 30--34
• Opis fizyczny: Bibliogr. 12 poz., rys.

Twórcy

autor

Karsznia K.

• Szkoła Główna Gospodarstwa Wiejskiego w Warszawie, Wydział Budownictwa i Inżynierii Środowiska, Katedra Inżynierii Budowlanej

Bibliografia

• 1. Bujak Ł.: Drzewa decyzyjne. Uniwersytet Mikołaja Kopernika, Toruń 2008.
• 2. Committee on Automated Monitoring of Dams and Their Foundations. Automated dam monitoring systems– guidelines and case histories. Paris 2000.
• 3. Dobrzański J., Kowalczyk M.: Koncepcja automatyzacji pomiarów kontrolnych zapór ziemnych nadpoziomowych. „Prace Naukowe Instytutu Geotechniki Politechniki Wrocławskiej”, nr 22, „Konferencje”, nr 8, Wrocław 1977.
• 4. Faber M.H., Stewart M.G.: Risk assessment for civil engineering facilities: critical overview and discussion. „Reliability Engineering and System Safety”, 80/2003, str. 173-184.
• 5. Kalisch M.: Modelowanie testów diagnostycznych za pomocą metod uczenia maszynowego. „Modelowanie Inżynierskie”, nr 53/2013, str. 70-77.
• 6. Karsznia K.: Pomiary zintegrowane z użyciem światłowodów w monitorowaniu obiektów mostowych. „Mosty”, 4/2016, str. 24-27.
• 7. Karsznia K.: Geoinformacja a bezpieczeństwo obiektów infrastruktury technicznej– podejście interdyscyplinarne [W:] Geoinformacja jako metoda ochrony przed geozagrożeniami. Monografia pod red. K. Karsznii K. Podawcy, Wydawnictwo SGGW, Warszawa 2014, s. 7-21.
• 8. Khader A.I., Rosenberg D.E., McKee M.: A decision tree model to estimate the value of information provided by a groundwater quality monitoring network. „Hydrology and Earth System Sciences”, 17/2013, str. 1797-1807.
• 9. Marsland S.: Machine Learning– An algorithmic perspective. CRC Press, Boca Raton, London, New York 2009.
• 10. Oprogramowanie Naukowo-Techniczne Sp. z o.o. sp. k., www.ont.com.pl, materiały szkoleniowe: http://www.ont.com.pl/webinaria/uczenie-maszynowe--w-matlabie/
• 11. RapidMiner Studio – Manual (2014). Rapid Miner (http://docs.rapidminer.com/downloads/Rapid-Miner-v6-user-manual.pdf ).
• 12. Witakowski P.: Zdalne monitorowanie obiektów budowlanych podczas budowy i eksploatacji. „Czasopismo Techniczne”, Biblioteka Cyfrowa, Wydawnictwo Politechniki Krakowskiej, Kraków 2007.

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).