Zastosowanie sieci neuronowych do wspomagania zarządzania obiektami mostowymi

• Autorzy: Janas L. , Miller B.

Warianty tytułu

EN

Neural networks application to the bridge management system

• Języki publikacji: PL

Abstrakty

PL

Na sieci dróg krajowych znajduje się ponad 4 tys. obiektów mostowych. Obiektywne ustalenie, które obiekty należy remontować w pierwszej kolejności stwarza wiele trudności. Zarządca dróg krajowych, tj. Generalna Dyrekcji Dróg Krajowych i Autostrad (GDDKiA) poszukiwał narzędzia, które oparte na istniejących bazach danych o obiektach mostowych utworzy listę rankingową i ułatwi podejmowanie decyzji dotyczących kolejności remontów. W artykule zestawiono parametry, które powinny być brane pod uwagę przy ustalaniu kolejności remontów. Przedstawiono algorytm obliczeniowy umożliwiający tworzenie listy rankingowej, oparty na wielowarstwowych sieciach neuronowych o wstecznej propagacji błędu. Algorytm ten jest obecnie wdrażany w GDDKiA.

EN

The number of bridges on the Polish national roads and motorways exceeds four thousand. The objective assessment which objects should be repaired first creates many difficulties. The administrator of national roads, General Directorate for National Roads and Motorways (GDDKiA), sought a tool which, based on the existing databases, will form a list with order of repairs of bridges. In the article there are discussed parameters which should be taken into consideration at the settlement of the order of repair. A novel approach is presented herein, namely the computational algorithm based on neural networks, enabling the creation of standings and the settlement of the optimum order of repair. This algorithm is currently being tested in GDDKiA.

Słowa kluczowe

PL

infrastruktura drogowa; most; zarządzanie; baza danych; stan techniczny; roboty remontowe; sieć neuronowa

EN

road infrastructure; bridge; management; database; technical condition; repair works; neural network

• Wydawca: Oficyna Wydawnicza Politechniki Rzeszowskiej
• Czasopismo: Zeszyty Naukowe Politechniki Rzeszowskiej. Budownictwo i Inżynieria Środowiska
• Rocznik: 2011
• Tom: z. 58, nr 3/III
• Strony: 181--190
• Opis fizyczny: Bibliogr. 7 poz., il.

Twórcy

autor

Janas L.

autor

Miller B.

• Politechnika Rzeszowska,

Bibliografia

• [1] Woodward R. J., et al.: Bridge Management in Europe (BRIME) - Final Report, Project funded by the European Commission under the Transport Rtd. Programme of the 4th Framework Program, 2001.
• [2] Instrukcje przeprowadzania przeglądów drogowych obiektów inżynierskich, GDDKiA, Warszawa 2005 (opr. Janas L., Jarominiak A., Michalak E.).
• [3] Janas L., Michalak E.: Zasady stosowania skali ocen punktowych stanu technicznego i przydatności do użytkowania drogowych obiektów inżynierskich, GDDKiA, Warszawa 2008.
• [4] Haykin S., Neural Networks: a Comprehensive Foundation, Prentice Hall International, Inc., 2nded., 1999.
• [5] Fedele, R.; Miller, B. & Maier, G. (2006), 'Health assessment of concrete dams by overall inverse analyses and neural networks', International Journal of Fracture 137(1-4), 151-172.
• [6] Ziemiański, L.; Miller, B. & Piątkowski, G. (2007), Intelligent Computational Paradigms in Earthquaqe Engineering, Idea Publishing Group, chapter Application of Neurocomputing to Parametric Identification Using Dynamic Responses, pp. 362-392.
• [7] Miller, B. (2010), Application of Semi-Bayesian Neural Networks in the Identification of Load Causing Beam Yielding, in Konstantinos Diamantaras; Wlodek Duch & Lazaros Iliadis, ed., 'Artificial Neural Networks - ICANN 2010', Springer Berlin / Heidelberg, ,pp. 97-100.