Wybrane metody eksploracji danych i uczenia maszynowego w analizie stanu uszkodzeń oraz zużycia technicznego zabudowy terenów górniczych

• Autorzy: Firek K. , Rusek J. , Wodyński A.

Warianty tytułu

EN

Selected methods of data mining and machine learning in risk analysis for developments located in mining areas

• Języki publikacji: PL

Abstrakty

PL

W referacie przedstawiono metodykę oraz wyniki badań wpływu oddziaływań eksploatacji górniczej na zabudowę powierzchni, które zostały przeprowadzone w ostatnich latach w Katedrze Geodezji Inżynieryjnej i Budownictwa AGH. Obejmowały one modelowanie przebiegu zużycia technicznego budynków metodami uczenia maszynowego oraz analizę zakresu i intensywności ich uszkodzeń z zastosowaniem metod eksploracji danych. Uzyskane wyniki potwierdzają przydatność zastosowanych metod do rozwiązywania zagadnień związanych z budownictwem na terenach górniczych.

EN

This paper presents the methodology and results of the studies on the influence of mining impacts on developments located in mining areas, which have been performed in recent years at the Department of Engineering Surveying and Civil Engineering of AGH University of Science and Technology. The studies included modeling the course of technical wear of buildings, by the methods of machine learning, as well as the analysis of the scope and intensity of their damage with the methods of data mining. The obtained results confirm the usefulness of the methods to solve the issues related to construction in mining areas.

Słowa kluczowe

PL

uczenie się maszynowe; wydobywanie danych; techniczne zużycie budynku; uszkodzenie budynku; wpływ eksploatacji

EN

machine learning; data mining; technical wear of building; damage of building; mining effects

• Wydawca: Stowarzyszenie Inżynierów i Techników Górnictwa
• Czasopismo: Przegląd Górniczy
• Rocznik: 2016
• Tom: T. 72, nr 1
• Strony: 50--55
• Opis fizyczny: Bibliogr. 16 poz., rys., tab.

Twórcy

autor

Firek K.

• AGH w Krakowie

autor

Rusek J.

• AGH w Krakowie

autor

Wodyński A.

• AGH w Krakowie

Bibliografia

• 1. Burges C.J.C.: A Tutorial on Support Vector Machines for Pattern Recognition. Data Mining and Knowledge Discovery, 2, 121-167 (1998), 1998 Kluwer Academic Publishers, Boston 1998.
• 2. Breinman L., Friedman J.H., Olshen R.A., and Stone C.I.: Classification and regression trees. Belmont, Calif.: Wadsworth 1984.
• 3. Firek K.: Badanie wpływu czynników górniczych i budowlanych na zużycie techniczne tradycyjnej zabudowy terenu górniczego LGOM. Praca doktorska, niepublikowana. Akademia Górniczo-Hutnicza, Kraków 2005.
• 4. Firek K.: Proposal for classification pf prefabricated panel building demage intensity rate in mining areas (Propozycja klasyfikacji intensywności uszkodzeń budynków wielkopłytowych na terenach górniczych). X Dni Miernictwa Górniczego i Ochrony Terenów Górniczych, Kraków 2009. Archives of Mining Sciences, 2009, Vol. 54, No 3, Kraków.
• 5. Firek K.: Ocena udziału najczęściej występujących typów uszkodzeń w stopniu zużycia technicznego budynków murowanych usytuowanych na terenach górniczych (Evaluating the cotribution of the most common types of damage on the degree of technical wear of masonry buildings located in mining areas). Geomatics and Environmental Engineering, Quarterly, AGH University of Science and Technology Press, 2013, Vol. 7, No. 2, Cracow.
• 6. Geladi P., Kowalski R.B.: Partial least-squares regression: a tutorial. Journal: Analytica Chimica Acta-ANALCHIMACTA, 1986, vol. 185, no. 1.
• 7. Hastie T., Tibshirani R., Friedman J.: The Elements of Statistical Learning: Data Mining, Inference, and Prediction. February 2009. Springer Series in Statistics 2009.
• 8. Łęski J.: Systemy neuronowo-rozmyte. WNT, Warszawa 2008.
• 9. Osowski S.: Sieci neuronowe do przetwarzania informacji. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2006.
• 10. Schölkopf B., Smola A.J.: Learning with Kernels. MIT Press, Cambridge, Massachusetts 2002.
• 11. Rusek J.: Creating model of technical wear of building in mining area, with utilization of regressive SVM approach (Budowa modelu przebiegu zużycia technicznego budynków na terenach górniczych z wykorzystaniem metody wektorów podpierających „support vector machine" w ujęciu regresyjnym). X Dni Miernictwa Górniczego i Ochrony Terenów Górniczych, Kraków 2009. Archives of Mining Sciences, 2009, Vol. 54, No 3, Kraków.
• 12. Rusek J., Wodyński A.: Creating a model of technical wear of buildings in mining areas with the use of fuzzy inference systems (Modelowanie przebiegu zużycia technicznego budynków na terenach górniczych z wykorzystaniem systemów wnioskowania rozmytego). 56 Konferencja Naukowa „Problemy naukowo-badawcze budownictwa", Kielce-Krynica 2010.
• 13. Rusek J.: Modelowanie stopnia zużycia technicznego budynków na terenach górniczych z wykorzystaniem wybranych metod sztucznej inteligencji. Praca doktorska, niepublikowana. Akademia Górniczo-Hutnicza. Kraków 2010.
• 14. Vapnik V.: Statistical learning theory. John Wiley & Sons, New York 1998.
• 15. Wodyński A.: Zużycie techniczne budynków na terenach górniczych (The process of technical wear of buildings in mining areas). Uczelniane Wydawnictwa Naukowo-Dydaktyczne, Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie, Kraków 2007.
• 16. Wodyński A., Firek K., Rusek J.: Metoda wektorów podpierających (SVM) w modelowaniu zużycia technicznego budynków wielkopłytowych na terenach górniczych (Support Vector Method (SVM) in technical wear modelling of prefabricated buildings (using large plate) on mining areas). VIII Konferencja Naukowo-Techniczna „Ochrona środowiska na terenach górniczych", Szczyrk-Katowice, 2010. „Przegląd Górniczy", 2010, Nr 10.

Uwagi

Referat opracowano w ramach badań statutowych AGH nr 11.11.150.005

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.