Modelowanie klasyfikacji gleb z zastosowaniem zespołu klasyfikatorów w aspekcie prognozowania skutków przekształceń górniczych

• Autorzy: Gruszczyński S.

Warianty tytułu

EN

A modeling of soil classification by applying the complex of classifiers from a point of view of a forecasting the effects of mining transformations

• Języki publikacji: PL

Abstrakty

PL

W pracy zaprezentowano wykorzystanie komitetu sieci neuronowych do modelowania przestrzennego zróżnicowania kompleksów rolniczych gleb. Metodyka ta może być podstawą predykcji skutków przekształceń gleb będących następstwem deformacji powierzchni terenu na terenach górniczych. Metody adaptacyjne pozwalają na utworzenie modelu powiązań czynników morfologiczno-hydrologicznych z jednostkami klasyfikacyjnymi gleb, bez konieczności określania jego postaci analitycznej. Obszar testowy stanowił rejon Górnośląskiego Okręgu Przemysłowego.

EN

There is presented the use of neural network committee for spatial modeling of soil complex diversity in a scientific paper. This methodology may be a basis for predicting the effects of soil transformations being the sequence of deformation of ground surface in the mining land. The adap-tive methods allow for the creation of interrelation model of the morphologic and hydrologic factors with the soil classification units, without necessity of determining its analytical form. The region of the Upper-Silesian Industrial District constituted an investigation area.

Słowa kluczowe

PL

przekształcenia pogórnicze; przekształcenia gleb; zespół klasyfikatorów

EN

aftermining transformations; soil transformations; complex of classifiers

• Wydawca: Wyższy Urząd Górniczy
• Czasopismo: Bezpieczeństwo Pracy i Ochrona Środowiska w Górnictwie
• Rocznik: 2010
• Tom: nr 8
• Strony: 15--22
• Opis fizyczny: Bibliogr. 15 poz.

Twórcy

autor

Gruszczyński S.

• Akademia Górniczo-Hutnicza, Kraków,

Bibliografia

• 1. Aksela M.: Comparison of Classifier Selection Methods for Improving Committee Performance, in Proceedings ofMCS2003, 2003, pp. 84-93.
• 2. Bishop C.M.: Neural Networks for Pattern Recognition, Oxford University Press, Oxford, 1995.
• 3. Bishop CM..: Pattern Recognition and Machine Learning, Springer Verlag, New York, 2006.
• 4. Duch W. & Grabczewski W.: Heterogeneous adaptive systems, Neural Networks, IJCNN '02, Proceedings ofthe 2002 International Joint Conference, 2002.
• 5. Duch W., Setiono R., Zurada J.M.: Computational Intelligence Methods for Rule-Based Data Understanding, Proceedings ofthe IEEE, vol. 92, no. 5, 2004, pp. 771-805.
• 6. Gruszczyński S.: Analiza danych kartograficzno-glebowych w procedurach ocen oddziaływania na środowisko, UWND AGH, 2008.
• 7. Gruszczyński S.: Standards for mining and quarrying In: Standards and thresholds for impact assessment eds. Michael Schmidt, [et al.]. — Berlin; Heidelberg : Springer-Verlag, cop. — (Environmental Protection in the European Union / eds. Michael Schmidt, Lothar Knopp; vol. 3). 2008, pp. 185-202.
• 8. Jankowski N.: Ontogeniczne sieci neuronowe. O sieciach zmieniających swoją strukturę. Exit, Warszawa, 2004.
• 9. Jenny H.: Factors ofSoil Formation. A System of Quantitative Pedology. New York: Dover Press. (Reprint, with Foreword by R. Amundson, of the 1941 McGraw-Hill publication), 1994.
• 10. Kuncheva L, BezdekJ., Duin R.: Decision templates for multiple classifier fusion: an experimental comparison, Pattern Recognition, vol. 34 (2), 2001, pp. 299-314.
• 11. McBratney A.B., Mendonca Santos M.L., Minasny B.: On digital soil mapping, Geoderma, v. 117, 2003, pp. 3-52.
• 12. Pal S. K., Mitra R: Pattern recognition algorithms fo data mining. Scalability, knowledge discovery and soft granular computing, (Chapman and Hall/CRC Press Company, Boca Raton-London-New York-Washington D.C), 2004.
• 13.Strzemski M.: Przyrodniczo-rolnicza bonitacja gruntów ornych, Instytut Uprawy Nawożenia i Gleboznawstwa, (Puławy), 1972.
• 14. Witek T.: Potencjalne możliwości produkcyjne gruntów ornych w Polsce, Roczniki Gleboznawcze, XXXVI, (3), 1985, pp. 37-42.
• 15. Wolpert D.: Stacked generalization, Neural Networks, vol. 5, 1992, pp. 241-259.