Ocena zagrożenia gleb w rejonach górniczych za pomocą sztucznych sieci neuronowych

• Autorzy: Gruszczyński S.

Warianty tytułu

EN

Evaluation of threats on soils in mining regions with the application of artificial neural networks

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono alternatywne, wobec istniejących metod, podejście do problemu prognozowania przekształceń gleb na terenach górniczych. Użytecznym narzędziem w rozwiązaniu tego problemu mogą być sztuczne sieci neuronowe (SSN). Przedstawiono próbę zastosowania SSN do prognozowania potencjalnych skutków przekształceń gleb towarzyszących eksploatacji górniczej. Podstawowym założeniem jest tutaj związek między cechami gleb i morfologii terenu a ich klasyfikacją. Badania przeprowadzone na obszarach testowych: Przyszowice, Wzgórza Dalkowskie i Chełm, wskazują, że SSN mogą poprawnie klasyfikować gleby przetwarzając informacje glebowe i morfologiczne. Wytrenowane sieci dokonywały poprawnej klasyfikacji 91-97 procent powierzchni gleb, przy czym liczebność zbioru użytego do treningu sieci sięgała 10 procent bazy danych. Stanowi to znaczący postęp wobec klasycznych metod prognozowania przekształceń gleb podlegających zaburzeniom hydrologicznym.

EN

The paper presents alternative to the existing methods approach to the problem of forecasting the effects of soil transformations on the mining areas. The properly selected processing systems based on artificial neural networks (ANN) can be an useful tool for objective forecast of results accompanying some of the soil features changes (inclination, ground level location, land configuration etc.). A try of application the ANN classifiers to forecast the potential effects of soil transformations during mining exploitation. The idea comes from known in soil sciences though not quantitatively defined connections between geometrical, litological and hydrological soils properties and soils classification. The carried out studies in objects: Przyszowice, Wzgórza Dalkowskie i Chełm, confirmed neural classifiers as being able to proceed a proper soil classification based on possible to interpretate from cartagraphical-soil documentation and situation-height object properties. In each of the cases the identification correctness at 91 to aver 97 percent of examined areas was achieved. It has to be emphasized that the training series were not more than 10 percent of information amount gathered in databases. This means radical qualitative progress in comparison to classical prognosis methods which generally formulate hydrological transformations.

Słowa kluczowe

PL

gleba; sieć neuronowa; prognoza; teren górniczy; przekształcenia

EN

soil; neural network; mining terrain; transformations

• Wydawca: Polska Akademia Umiejętności
• Czasopismo: Geoinformatica Polonica
• Rocznik: 1999
• Tom: T. 1
• Strony: 45--62
• Opis fizyczny: Bibliogr. 26 poz., rys., tab.

Twórcy

autor

Gruszczyński S.

• Akademia Górniczo-Hutnicza - Wydział Geodezji Górniczej i Inżynierii Środowiska, Kraków