Using a classification tree to identify seepage in flood embankments

• Autorzy: Król Krzysztof , Rymarczyk Tomasz , Oleszek Michał , Bożek Piotr , Tchórzewski Paweł , Kozłowski Edward

Identyfikatory

DOI

10.15199/48.2022.01.21

Warianty tytułu

PL

Wykorzystanie drzewa klasyfikacyjnego do identyfikacji przesiąkania wałów przeciwpowodziowych

• Języki publikacji: EN

Abstrakty

EN

The article presents a method of controlling infiltration in flood embankments by means of impedance tomography with the use of classification tree prediction. The analysis was performed using electrical impedance tomography and image reconstruction using machine learning methods, the results of the reconstruction were compared and various numerical models were used. The main advantage of the presented solution is the possibility of analyzing spatial data and high processing speed. The key parameters in electrical tomography are the speed of analysis and the accuracy of the reconstructed objects. The reconstruction algorithm is obtained by solving the inverse problem. Classification trees were used to obtain feedback on the degree of water permeability of the embankment.

PL

Artykuł przedstawia metodę kontroli przesiąków w wałach przeciwpowodziowych za pomocą tomografii impedancyjnej z wykorzystaniem predykcji drzewa klasyfikacyjnego. Analizę przeprowadzono z użyciem elektrycznej tomografii impedancyjnej i rekonstrukcji obrazu z wykorzystaniem metod uczenia maszynowego, porównano wyniki rekonstrukcji i zastosowano różne modele numeryczne. Główną zaletą prezentowanego rozwiązania jest możliwość analizy danych przestrzennych oraz duża szybkość przetwarzania. Kluczowymi parametrami w tomografii elektrycznej są szybkość analizy i dokładność rekonstruowanych obiektów. Algorytm rekonstrukcji uzyskuje się poprzez rozwiązanie problemu odwrotnego. Drzewa klasyfikacyjne zostały wykorzystane do uzyskania informacji zwrotnej o stopniu przesiąkliwości nasypu.

Słowa kluczowe

EN

classification tree; tomography; seepage in flood embankment

PL

drzewo klasyfikacyjne; tomografia; przesiąkanie wałów przeciwpowodziowych

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2022
• Tom: R. 98, nr 1
• Strony: 111--114
• Opis fizyczny: Bibliogr. 26 poz., rys., tab.

Twórcy

autor

Król Krzysztof

• Research&Development Centre Netrix S.A.

• https://orcid.org/0000-0002-0114-2794

autor

Rymarczyk Tomasz

• University of Economics and Innovation, Projektowa 4, Lublin
• Research&Development Centre Netrix S.A.

• https://orcid.org/0000-0002-3524-9151

autor

Oleszek Michał

• Research&Development Centre Netrix S.A.

• https://orcid.org/0000-0002-8979-9650

autor

Bożek Piotr

• Research&Development Centre Netrix S.A.

• https://orcid.org/0000-0003-4929-1251

autor

Tchórzewski Paweł

• Research&Development Centre Netrix S.A.

• https://orcid.org/0000-0001-8344-8828

autor

Kozłowski Edward

• Lublin University of Technology, Nadbystrzycka 38, Lublin

• https://orcid.org/0000-0002-7147-4903

Bibliografia

• [1] Miłak, M., Leszczyńska, A., Grudzień, K., Romanowski, A., & Sankowski, D. (2019). Slug flow velocity estimation during pneumatic conveying of bulk solid materials based on image processing techniques. Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska, 9(1), 11-14.
• [2] Kryszyn, J., Wanta, D., Smolik, W. T. (2019). Evaluation of the electrical capacitance tomography system for measurement using 3d sensor. Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska, 9(4), 52-59.
• [3] Kłosowski G., Rymarczyk T., Wójcik D., Skowron S., Adamkiewicz P., The Use of Time-Frequency Moments as Inputs of LSTM Network for ECG Signal Classification, Electronics, 9(9), 1452, 2020.
• [4] Korzeniewska E., Krawczyk A., Stando J., Torsion field - an example of pseudo-scientific concept in physics, Przeglad Elektrotechniczny, Volume97, Issue1, Page196-199, DOI10.15199/48.2021.01.41, 2021.
• [5] Korzeniewska, E; Szczesny, A; Lipinski, P; Drozdz, T; Kielbasa, P; Miernik, A, Prototype of a Textronic Sensor Created with a Physical Vacuum Deposition Process for Staphylococcus aureus Detection, SENSORS Volume: 21 Issue: 1 Article Number: 183, 2021.
• [6] Wajman, R; Banasiak, R; Babout, L, On the Use of a Rotatable ECT Sensor to Investigate Dense Phase Flow: A Feasibility Study, SENSORS Volume: 20 Issue: 17 Article Number: 4854, 2020.
• [7] Banasiak, R.; Wajman, R.; Jaworski, T.; Fiderek, P.; Fidos, H.; Nowakowski, J.; Sankowski, D. Study on two-phase flow regime visualization and identification using 3D electrical capacitance tomography and fuzzy-logic classification. Int. J. Multiph. Flow 2014, 58, 1–14.
• [8] Jan Dusek, Jan Mikulka, Measurement-Based Domain Parameter Optimization in Electrical Impedance Tomography Imaging, Sensors 2021, 21(7), 2507
• [9] Daniewski K., Kosicka E., Mazurkiewicz D., Analysis of the correctness of determination of the effectiveness of maintenance service actions. Management and Production Engineering Review 9 (2018); No. 2, 20-25.
• [10] Romanowski, A. Contextual Processing of Electrical Capacitance Tomography Measurement Data for Temporal Modeling of Pneumatic Conveying Process. In Proceedings of the 2018 Federated Conference on Computer Science and Information Systems (FedCSIS), Poznan, Poland, 9–12 September 2018; 283–286.
• [11] Chen, B.; Abascal, J.; Soleimani, M. Extended Joint Sparsity Reconstruction for Spatial and Temporal ERT Imaging. Sensors 2018, 18, 4014.
• [12] Rymarczyk T., Kłosowski G., Hoła A., Sikora J., Wołowiec T., Tchórzewski P., Skowron S., Comparison of Machine Learning Methods in Electrical Tomography for Detecting Moisture in Building Walls, Energies, 14(10), 2777; 2021.
• [13] Rymarczyk T., Kozłowski E., Kłosowski G., Electrical impedance tomography in 3D flood embankments testing – elastic net approach, Transactions of the Institute of Measurement and Control, 42(4), 680-690, 2020.
• [14] Rymarczyk T., Nita P., Vejar A., Woś M., Stefaniak B., Adamkiewicz P.: Wearable mobile measuring device based on electrical tomography, Przegląd Elektrotechniczny, 95(4), 211- 214, 2019.
• [15] Rymarczyk T., Kłosowski G., Tchórzewski P., Cieplak T., Kozłowski E.: Area monitoring using the ERT method with multisensor electrodes, Przegląd Elektrotechniczny, 95(1), 153- 156, 2019.
• [16] Koulountzios P., Rymarczyk T., Soleimani M., A quantitative ultrasonic travel-time tomography system for investigation of liquid compounds elaborations in industrial processes, Sensors, 19(23), 5117, 2019.
• [17] Kłosowski G., Rymarczyk T., Kania K., Świć A., Cieplak T., Maintenance of industrial reactors based on deep learning driven ultrasound tomography, Eksploatacja i Niezawodnosc – Maintenance and Reliability; 22(1), 138–147, 2020.
• [18] Kłosowski G., Rymarczyk T., Cieplak T., Niderla K., Skowron Ł., Quality Assessment of the Neural Algorithms on the Example of EIT-UST Hybrid Tomography, Sensors, 20(11), 3324, 2020.
• [19] Liang, GH; Dong, F; Kolehmainen, V; Vauhkonen, M; Ren, SJ, Nonstationary Image Reconstruction in Ultrasonic Transmission Tomography Using Kalman Filter and Dimension Reduction, IEEE Transactions on instrumentation and measurement Volume: 70 Article Number: 4501012, 2021.T. Hastie, R. Tibshirani, J. Friedman, The elements of statistical learning, Springer-Verlag New York Inc., 2009.
• [20] James G . , Witten D ., Hastie T ., Tibshirani R ., An introduction to statistical learning, Springer-Verlag GmbH, 2013.
• [21] Fawcett T., An introduction to ROC analysis, Pattern Recognition Letters. 27 (2006) 861–874.
• [22] Hand D . J ., Till ., R . J ., A simple generalisation of the area under the ROC curve for multiple class classification problems, Machine Learning. 45 (2001) 171–186.
• [23] Friedman J . , Hastie T.., Tibshirani R . , Regularisation paths for generalised linear models via coordinate descent, Journal of Statistical Software. 33 (2010) 1.
• [24] Breiman L., Friedman J., Stone C. J ., Olshen R . A . , Classification and regression trees, CRC press, 1984.
• [25] Kozłowski E., Mazurkiewicz D., Sȩp J., Żabiński T., The use of principal component analysis and logistic regression for cutter state identification, in: Innovations in Industrial Engineering, Springer International Publishing, 2021: pp. 396–405.
• [26] Antosz K., Mazurkiewicz D., Kozłowski E., Sęp J., Żabiński T., Machining process time series data analysis with a decision support tool, in: Lecture Notes in Mechanical Engineering, Springer International Publishing, 2021: pp. 14–27.