Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: drainage subsidence

Sortuj według:

Ogranicz wyniki do:

Ocena przydatności wybranych metod sztucznej inteligencji w prognozach przemieszczeń spowodowanych odwodnieniem górotworu na terenach górniczych

Witkowski W. T.

Przegląd Górniczy

2016

T. 72, nr 2

88--94

W publikacji przedstawiono problem osiadań powierzchni spowodowanych przez odwodnienie górotworu, obserwowanych na terenach górniczych. Przedstawiono możliwość prognozowania tych ruchów z wykorzystaniem narzędzi sztucznej inteligencji. Omówiono dwie metody obliczeniowe: wielowarstwową sieć perceptronową oraz metodę wektorów podtrzymujących. Proces uczenia sieci wykonano na zestawie danych reprezentujących jeden z polskich terenów górniczych. Uzyskane wyniki zaprezentowano w postaci wykresów korelacyjnych danych prognozowanych przez sieci oraz oczekiwanych odpowiedzi (dane wysokościowe). Weryfikację poprawności wytrenowania sieci przeprowadzono na próbce danych nieuczestniczących we wcześniejszej procedurze obliczeniowej. Zaprezentowano najlepsze rezultaty z procesu uczenia sieci MLP oraz SVM. W podsumowaniu wskazano możliwości dalszego rozwoju badań w zakresie wykorzystania sztucznej inteligencji w zagadnieniu osiadań odwodnieniowych obserwowanych na terenach górniczych.

This paper presents a phenomenon of surface subsidence caused by dewatering of rock mass observed in mining areas. The possibility of forecasting these movements by the use of artificial intelligence tools was presented, and two calculation methods discussed: Multilayer Perceptron Network (MLP) and the Support Vectors Machines (SVM). The teaching process of the network was performed on the basis of a data set, representing one of the Polish mining areas. Obtained results were presented in the form of correlation graphs of data forecasted by neural networks and expected responses (elevation data). Verification of network training correctness was conducted on a sample of data not involved in the earlier calculation procedure. The best results of the learning process of MLP and SVM networks were presented. The summary indicated the possibility of further development of research in terms of using artificial intelligence in the issue of drainage subsidence observed in mining areas.