Wykorzystanie sieci neuronowych do obliczania prędkości i przyspieszeń drgań gruntu wywoływanych wstrząsami górotworu

• Autorzy: Bańka P. , Lier E.

Warianty tytułu

EN

Use of neural networks to calculate the velocity and acceleration of ground vibrations caused by mining tremors

• Języki publikacji: PL

Abstrakty

PL

W wielu kopalniach istotny problem stanowią drgania gruntu wywoływane silnymi wstrząsami indukowanymi prowadzonymi robotami górniczymi. W rejonach, w których stwierdza się występowanie drgań powierzchni terenu generowanych wstrząsami górotworu, konieczne jest sporządzanie prognoz parametrów drgań gruntu, które mogą wystąpić w trakcie realizacji założeń projektowych zakładów górniczych. W artykule przedstawiono wyniki badań, których celem było określenie możliwości zastosowania, do prognozy parametrów drgań gruntu wywoływanych wstrząsami, sieci neuronowych. Wykorzystano obserwacje drgań gruntu pochodzące z obszaru jednej z silnie zagrożonych sejsmicznie kopalń GZW. Otrzymane rezultaty wykazały możliwość zastosowania sieci neuronowych do obliczania wartości prędkości i przyspieszeń drgań powierzchni terenu powodowanych wstrząsami. Dla rozpatrywanego zbioru rejestracji uzyskano dokładniejsze wyniki niż w przypadku zastosowania powszechnie wykorzystywanego, prostego modelu regresji liniowej.

EN

In many mines there is a problem with ground vibrations caused by severe tremors induced by carried out mining works. In the areas, where surface vibrations occurred due to highenergy tremors it is necessary to forecast the velocity and acceleration of vibrations that may occur during the future excavation process. This paper presents results of studies describing the possibility of using neural networks to forecast ground vibrations caused by mining tremors. During those studies data from highly seismically endangered region of Upper Silesian Coal Basin were used. The results of calculations proved the possibility of using neural networks to calculate the velocity and acceleration of ground vibrations caused by mining tremors. For the considered set of observations more precise results than, from widely used, a simple linear regression model, were obtained.

Słowa kluczowe

PL

sejsmiczność indukowana; drgania powierzchni; sieci neuronowe

EN

induced seismicity; ground vibrations; neural networks

• Wydawca: STE GROUP
• Czasopismo: Systemy Wspomagania w Inżynierii Produkcji
• Rocznik: 2017
• Tom: Vol. 6, iss. 3
• Strony: 24--34
• Opis fizyczny: Bibliogr. 16 poz.

Twórcy

autor

Bańka P.

• Politechnika Śląska, Wydział Górnictwa i Geologii Instytut Eksploatacji Złóż ul. Akademicka 2, 44-100 Gliwice, Polska

autor

Lier E.

• FAMUR S.A. ul. Armii Krajowej 51 40-698 Katowice, Polska

Bibliografia

• 1. G.M. Atkinson, D.M. Boore. „Earthquake ground-motion prediction equation for eastern North America.” Bull. Seismol. Soc. Am., vol. 96, pp. 2181-2205, 2006.
• 2. J.P. Bardet, T. Tobita. NERA: A Computer program for Nonlinear Earthquake site Response Analyses of Layred soil deposits. Ed. Department of Civil Engineering, University of Southern California, 2001.
• 3. D.M. Boore, W.B. Joyner. „The empirical prediction of ground motion.” Bull. Seismol. Soc. Am., vol. 72, pp. 43-60, 1982.
• 4. J. Dubiński i in. „Zasady stosowania górniczej skali intensywności drgań GSIGZWKW do oceny skutków oddziaływania wstrząsów indukowanych eksploatacją złóż węgla kamiennego w zakładach górniczych Kompanii Węglowej S.A. na obiekty budowalne i na ludzi.” Katowice, 2008. [niepublikowane]
• 5. J. Dubiński i in. „Zasady stosowania zweryfikowanej górniczej skali intensywności drgań GSIGZWKW-2012 do prognozy i oceny skutków oddziaływania wstrząsów indukowanych eksploatacją złóż węgla kamiennego w zakładach górniczych Kompanii Węglowej S.A. na obiekty budowlane i na ludzi.” Katowice, 2013. [niepublikowane]
• 6. J. Jakubowski, A. Tajduś. „Predictive regression models of monthly seismic energy emissions induced by longwall mining.” Arch. Min. Sci., vol. 59, no. 3, pp. 705-720, 2014.
• 7. J. Jakubowski, Ł. Lenart, Ł. Ożóg. „Predykcyjny model dobowej emisji energii sejsmicznej indukowanej eksploatacją górniczą.” Przegląd Górniczy, nr 3, pp. 1825, 2014.
• 8. J. Kabiesz. „Badanie kategoryzacji zagrożenia tąpaniami z wykorzystaniem sieci neuronowych.” Prace Naukowe GIG: Górnictwo i Środowisko, nr VII, pp. 93-104, 2008.
• 9. K. Kuźniar. „Neural networks for the analysis of mine-induced building vibrations.” Computer Assisted Mechanics and Engineering Sciences, no. 18, pp. 147-159, 2011.
• 10. S. Lasocki, M. Szybiński, J. Matuszczyk, J. Mirek, A. Pielesz. „Prognozowanie drgań powierzchni wywołanych wstrząsami górniczymi – przegląd krytyczny,” Materiały Sympozjum Warsztaty 2000, Ustroń Śl., Kraków, 2000, pp. 261-279.
• 11. E. Markowski, J. Kornowski, W.M. Zuberek. Podsumowanie i analiza wyników powierzchniowych obserwacji przyspieszeń pochodzących od wstrząsów górniczych z zakładów górniczych zrzeszonych w Bytomskiej Spółce Węglowej S.A. za okres 1998-2000. Sosnowiec: Polskie Towarzystwo Przyjaciół Nauk o Ziemi Oddział Górnośląski, 2002.
• 12. D. Olszewska, S. Lasocki. „Relacja tłumienia wartości szczytowej przyspieszenia drgań gruntu z uwzględnieniem amplifikacji dla wybranych rejonów obszaru LGOM,” Warsztaty Górnicze 2006 „Zagrożenia naturalne w górnictwie”, Kraków– Tomaszowice, 2006, pp. 293-307.
• 13. S. Ossowski. Sieci neuronowe w ujęciu algorytmicznym. Warszawa: WNT, 1996.
• 14. M.M. Poulton. Computational neural networks for geophysical data processing. Ed. Elsevier Science Ltd., 2001.
• 15. K. Stec. „Zagrożenie sejsmiczne” in Raport roczny (2014) o stanie podstawowych zagrożeń naturalnych i technicznych w górnictwie węgla kamiennego. J. Kabiesz, Ed. Katowice: GIG, 2015.
• 16. StatSoft, Inc. (2011). STATISTICA (data analysis software system), version 10.