The subject of this work is the use of social network analysis to increase the effectiveness of methods used to predict churn of telephony network subscribers. The social network is created on the basis of operational data (CDR records). The result of the analysis is customer segmentation and additional predictor variables. Proposed hybrid predictor employs set of regression models tuned to specific customer segments. The verification was performed on data obtained from one of the Polish operators.
The possibility of the assessment of the probability that the acceptable values of deformation indexes will be exceeded and the introduction of the coefficient of safety are more and more seriously considered in case of predicting the impacts of exploitation both on the surface and the shaft tube. This article presents the mentioned above issue focusing on the authors’ project of the exploitation in the protective pillars of the shafts of the Legnica and Głogów Copper Area (LGOM). To assess the accuracy of the predicted deformation indexes Monte Carlo method (often used in statistics) was proposed as well as the strict and approximate analysis using the law of error propagation. The values of vertical strains were analysed, as the most important at the assessment of the state of deformation of the shaft tube. The comparison of the results obtained with different methods confirmed the correctness of the carried out calculations. The applied methods allowed the analysis of the impact of individual parameters of the model on the prediction of the accuracy of forecast. This article makes the continuation of the solutions of the article (Niedojadło & Gruszczyński, 2010) thus some contents essential for the continuity of understanding were repeated here.
PL
Możliwość oceny prawdopodobieństwa przekroczenia dopuszczalnych wartości wskaźników deformacji oraz wprowadzenie współczynnika bezpieczeństwa coraz częściej są brane pod uwagę w przypadku prognozowania wpływów eksploatacji tak na powierzchnię jak i rurę szybową. W niniejszym artykule przedstawiono powyższe zagadnienie na przykładzie autorskiego projektu eksploatacji w filarach ochronnych szybów LGOM. Do oceny dokładności prognozowanych wskaźników deformacji zaproponowano wykorzystywaną w statystyce metodę Monte Carlo oraz analizę ścisłą i przybliżoną wykorzystującą prawo przenoszenia się błędów średnich. Analizowano wartości odkształceń pionowych, jako najistotniejsze przy ocenie stanu deformacji rury szybowej. Porównanie wyników uzyskanych różnymi metodami potwierdziły poprawność wykonanych obliczeń. Zastosowane metody pozwoliły na analizę wpływu poszczególnych parametrów modelu na dokładność prognozy. Niniejszy artykuł stanowi kontynuację rozważań zawartych w artykule (Niedojadło & Gruszczyński, 2010) stąd pewne treści niezbędne dla zachowania ciągłości rozumowania zostały powtórzone.
3
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Artykuł prezentuje wyniki badań nad możliwością zastosowania metody InSAR do wyznaczania krzywizn powierzchni terenu, powstałych wskutek podziemnej eksploatacji górniczej. Wyznaczone na podstawie pomiaru satelitarnego krzywizny poddano weryfikacji, wykorzystując wyniki klasycznych pomiarów geodezyjnych, zrealizowanych na punktach linii obserwacyjnej. Porównano je także do wyników sporządzonej reprognozy przedmiotowego wskaźnika.
EN
This article presents the results of a research on the applicability of InSAR method to determine the land surface curvatures, resulting from underground mining exploitation. The curvatures were determined on the basis of the satellite measurements and verified by the use of classical results of surveys, carried out at the observation points of the line. They have also been compared to the results of the earlier prepared prognosis of the subject indicator.
4
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
W artykule przedstawiono wyniki badań nad zastosowaniem sieci neuronowych do modelowania deformacji powierzchni wywołanych podziemną eksploatacją górniczą. Sieci neuronowe zastosowano bezpośrednio przy modelowaniu obniżeń, zaś nachylenia i krzywizny obliczano z użyciem wzorów stosowanych przy opracowywaniu wyników pomiarów geodezyjnych. Doświadczenia obejmowały jedynie wartości wskaźników deformacji dla asymptotycznych stanów niecek obniżeniowych. Badania przeprowadzono w trzech etapach, starając się sukcesywnie zawężać możliwości dotyczące sposobu wstępnego przetworzenia danych, architektury sieci i procesu ich uczenia. Pierwsze dwa etapy badań wykorzystywały dane symulowane z użyciem modelu Knothego i dotyczyły wyłącznie obniżeń, trzeci zaś wykorzystywał dane z linii obserwacyjnych z rejonu Górnego Śląska. Uzyskane wyniki wskazują na przydatność sieci neuronowych do modelowania wskaźników deformacji. Opracowana metoda jest względnie prosta w zastosowaniu i możliwa do zautomatyzowania.
XX
Results of research on neural nets using for surface deformation modelling caused by underground mining exploitation. The neural nets have been directly used for modelling of subsidence, while slopes and curvatures have been calculated using formulas used at surveying results working out. Experiments included only values of deformation indices for asymptotic states of subsidence troughs. Research has been carried out in three stages, trying to successively narrow down possibilities referring to the way of data processing, network archite cture and teaching process. The first two stages of research used simulated data with use of Knothe model and exclusively referred to subsidence, while the third used the data from the observation lines from the Upper Silesian region. The obtained results show usefulness of neural nets for deformation indices modelling. The worked out method is relatively simple in use and possible for automation.
5
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
W artykule przedstawiono propozycję algorytmów obliczeniowych prognozowania wpływów na górotwór i rurę szybową eksploatacji złoża miedzi w filarach ochronnych szybów LGOM z możliwością oceny dokładności. Rozwiązania oparte zostały na teorii wpływów S. Knothego. Przedstawiona metodyka obliczeniowa daje możliwość oceny prawdopodobieństwa przekroczenia dopuszczalnych wartości wskaźników deformacji, oraz wprowadzenia współczynnika bezpieczeństwa. Zaproponowany algorytm obliczeniowy, oparty na metodzie Monte Carlo, nie był dotychczas stosowany w prognozowaniu deformacji górotworu i rury szybowej. Metodykę obliczeń przedstawiono na przykładzie autorskiego projektu eksploatacji w filarach ochronnych szybów LGOM, jednakże przedstawiona metoda oceny dokładności prognozowania ma charakter ogólny. Poprawność wykonanych obliczeń numerycznych zweryfikowano poprzez ich porównanie z wynikami analizy wykorzystującej prawo przenoszenia się błędów średnich. Wyniki porównania potwierdziły poprawność wykonanych obliczeń, a także pozwoliły na analizę wpływu poszczególnych parametrów oraz ich rozkładu na błąd prognozy.
EN
Proposal of computational algorithms of forecasting influence of copper deposit mining in the protective pillars on rock mass and shaft structure of LGOM is presented including accuracy checking. Solution have been based on St. Knothe's influence theory. Presented computational technology allows to evaluate probability of infringement permissible values of deformation indices as well as introduction of safety factor. The proposed computational algorithm, based on Monte Carlo method, has not been so far used in forecasting of rock mass and shaft structure deformation. The computation methodology is presented on the example of authors design of mining in the protective pillars of LGOM shafts, but presented method of forecasting accuracy evaluation has general character. Correctness of carried out numerical calculations has been verified by comparison with the results of analysis using propagation of average errors law. Results of this comparison confirmed correctness of carried out calculations, and also allowed to analyse influence of particular parameters and their distribution onto forecast error.
Prognozowanie deformacji spowodowanych eksploatacją podziemną jest niezwykle trudną dziedziną. W artykule skrótowo przedstawiono problemy pojawiające się przy tworzeniu modeli statystycznych tego zjawiska oraz zaproponowano sposób i kierunek rozwoju tej dziedziny. Położono szczególny nacisk na liczbę parametrów modelu, w kontekście dokładności ich wyznaczenia i wynikającej z tego praktycznej dokładności modelu. Zwrócono także uwagę na problem jego weryfikacji.
EN
Forecasting deformations caused by the underground extraction is extremely difficult discipline. The article briefly presents problems occurring during performance of statistical model of that phenomenon. The way and development directions of that discipline are presented. Particular stress was put on the number of model's parameters in the context of accuracy of its determination and resulting form that practical accuracy of the model.
7
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Problem postawiony w niniejszym artykule sprowadzono do poszukiwania sieci neuronowej, która najdokładniej przeprowadzi prognozę obniżeń. Zestaw dostarczanych jej danych wejściowych, sposób ich przetworzenia i rodzaj zwracanych przez nią wyników ustalono a priori. Kierowano się przy tym istniejącymi już modelami, a zwłaszcza rozpowszechnionym w Polsce modelem Knothego. Zaproponowano dwa kształty siatki (tj. kwadratowy i kołowy) wykorzystanej do przekazania sieciom atrybutów określających wymiary przeprowadzonej eksploatacji. W pierwszej fazie badań, dla sprawdzenia poprawności przyjętego sposobu opracowania danych przed ich dostarczeniem do sieci, przeprowadzono trening i weryfikację na nieckach teoretycznych obliczonych zgodnie z teorią Knothego. Próby rozpoczęto na prostszej w budowie siatce atrybutów kołowej. Przetestowano ją dla 10 różnych rozdzielczości. Ze względu na zadowalające wyniki aproksymacji nie przeprowadzano testów na bardziej rozbudowanej kwadratowej siatce atrybutów. W drugiej fazie przeprowadzono badania na nieckach obserwowanych. Zbiór danych wykorzystanych do nauki i weryfikacji uzyskanych rezultatów obejmował wyniki obserwacji z 10 linii obserwacyjnych łącznie zawierających 385 obserwowanych punktów. Wykorzystane do badań złoża były względnie poziome i nie zaburzone tektonicznie. Testowano oba rodzaje zaproponowanych siatek atrybutów w trzech różnych rozdzielczościach. Uzyskane wyniki prognoz dały wyniki dokładnościowo porównywalne z prognozą wykonaną modelem Knothego. Ze względu na stosunkowo niewielki zbiór uczący wykorzystany w badaniach niezbędne jest potwierdzenie uzyskanych wyników po nauce na kilkakrotnie większym zbiorze uczącym. Celowe wydają się także próby zastosowania sieci do tworzenia modeli do prognozowania obniżeń dla pojedynczych obiektów.
EN
Problem which is considered in this article amounted to searching such a neural network which carries out the most exact prediction of surface depression. A set of used input data, a way of their transformation and kind of returned results were determined a priori. Those decisions were guided by existing models, especially by Knothe's model which is very common in Poland. Two kinds of grids were proposed (circular and square). Both of them are used to deliver dimensions of exploitation to networks. In first phase of research, correctness of data preparation had to be checked. In order to achieve that training and verification were conducted onto theoretical troughs. Knothe's model has been used during the training. First attempts were launched with simpler in structure circular grid. It was tested for 10 different resolutions. Because of good results of approximation no more tests were carried out with much more complicated square grid. In second phase, researches on observed troughs were conducted. Data set used for training and verification consisted of 10 observations lines. Deposits used in researches were relatively horizontal and weren't dislocated tectonically. Both types of attributes grid in 3 different resolutions have been tested. Obtained prognosis accuracies were comparable to prognosis made with Knothe's model. In consideration of rather small amount of training data used in researches it's necessary to confirm obtained results after learning on 3-5 times larger learning data set. Application of neural networks in a process of creation depression models for single objects seems to be reasonable.
8
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Prawidłowe przeprowadzenie wyrównania geodezyjnych sieci sytuacyjnych jest złożonym zagadnieniem. Ze względu na obecny stopień automatyzacji obliczeń, poprzez zastosowanie programów obliczeniowych, dzisiejsze problemy związane z wyrównaniem wiążą się przede wszystkim ze skompletowaniem i doborem prawidłowych danych. Proces kompletowania danych wiąże się zazwyczaj z problemem wyboru najlepszego wariantu spośród przeprowadzonych wyrównań. W celu oceny poszczególnych wariantów i możliwie szybkiego dojścia do optymalnego rozwiązania konieczna jest analiza wyników. Zadanie to jest bardzo uciążliwe, gdy wyrównywana sieć jest duża, a wyniki przedstawione są w formie tabelarycznej. Dla rozwiązania tego problemu została stworzona aplikacja "Przeglądarka", która służy do graficznego przedstawiania wyników wyrównania (bądź analizy wstępnej) i tym samym zmniejszenia uciążliwości problemu doboru optymalnego wariantu.
EN
A proper adjustment of geodetic situational nets is a complex problem. Regarding present calculations automation level, modern problems associated with adjustment are mostly connected with completing and selecting correct data. Data completing process is usually connected with choosing the best one from calculated adjustments. In purpose of estimation of each adjustment variant and possibly fast way to optimal solution, it's necessary to analyse their results. This problem is very difficult when adjusted net is huge and results are presented in tabular form. To solve this problem application "Przeglądarka" was made. It allows to do graphical presentation of adjustment results (or introductionary analysis) and so reduce difficulties of choosing optimal adjustment variant.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.