Wyniki wyszukiwania - BazTech

1

Force analysis and treatments for Lidong tunnel of Renxin expressway crossing karst caves

Zhu Kai, Zhang Kui, Wu Xiang-Dong, Chen Xiang-Ge

Archives of Civil Engineering

|

2024

|

Vol. 70, nr 1

693--705

EN

There are several large karst caves at haunch part of the Lidong Tunnel during construction, together with inrush water due to high pressure within these caves. In light of it, this paper takes YK342+113 section as an example and adopts finite difference software FLAC 3D, so as to analyze tunnel deformation when crossing karst caves under six different working conditions, including with or without karst cave, before and after karst treatment, along with support locations. According to analysis results: First, the wall rock mainly had deformation at tunnel vault when evacuating at the third bench, which is a critical monitoring focus for tunnel construction; Second, karst cave treatment contributed to better conduct forces on both sides of wall rock, thus reducing vault settlement, while not affecting horizontal convergence and upturn of vaults; Third, treatment measures were proved to be effective in minimizing wall rock deformation by comparing deformation curves under different conditions; Fourth, after treatment measures, the angular points within the cave’s chamber had stress concentration, which might cause secondary collapse. Field monitoring data revealed that the final settlement of the tunnel vault was relatively consistent with the numerical analysis results, with a distinct change in daily settlement after initial support construction. By integrating numerical analysis and field monitoring, the rationality of the karst treatment plan was fully verified, providing a valuable reference for similar projects.

2

SDAE cleaning model of wind speed monitoring data in the Mine Monitoring System

Zhao Dan, Shen Zhiyuan, Song Zihao, Xie Lina

Archives of Mining Sciences

|

2023

|

Vol. 68, no. 2

251--266

EN

The effective utilisation of monitoring data of the coal mine is the core of realising intelligent mine. The complex and challenging underground environment, coupled with unstable sensors, can result in “dirty” data in monitoring information. A reliable data cleaning method is necessary to figure out how to extract high-quality information from large monitoring data sets while minimising data redundancy. Based on this, a cleaning method for sensor monitoring data based on stacked denoising autoencoders (SDAE) is proposed. The sample data of the ventilation system under normal conditions are trained by the SDAE algorithm and the upper limit of reconstruction errors is obtained by Kernel density estimation (KDE). The Apriori algorithm is used to study the correlation between monitoring data time series. By comparing reconstruction errors and error duration of test data with the upper limit of reconstruction error and tolerance time, cooperating with the correlation rule, the “dirty” data is resolved. The method is tested in the Dongshan coal mine. The experimental results show that the proposed method can not only identify the dirty data but retain the faulty information. The research provides effective basic data for fault diagnosis and disaster warning.

3

First record of the common sun star Crossaster papposus (L., 1767) in the Baltic Sea in over 100 years

Romoth Katharina, Gogina Mayya, Beisiegel Kolja, Darr Aleksander, Zettler Michael Lothar

Oceanological and Hydrobiological Studies

|

2022

|

Vol. 51, No. 2

143--148

EN

The rare in the German North and Baltic Sea waters and strictly protected sea star Crossaster papposus was found in 2019 and 2021 during monitoring activities in a marine protected area. This unique observation was achieved by using towed camera platform imagery along a transect in the Fehmarn Belt, which allows monitoring of a much larger area of the seafloor compared to traditional invasive grab and dredge sampling. The last time C. papposus was documented in this area was in 1871, indicating the rarity of this species in the Baltic Sea. Possible explanations for such rare records of the occurrence of this presumably native species in the study region are briefly discussed, including uncommon survival due to salinity conditions caused by prior inflows of saline water from the North Sea.

4

Divergency verification of predicted values and monitored deformation indicators in specific condition of thong nhat underground Coal Mine (Viet Nam)

Nguyen Q. L., Vo C. M., Bui K. L.

Geoinformatica Polonica

|

2016

|

T. 15

15--22

EN

During the last several years, the problem of mining damage on the Quang Ninh coalﬁ eld has become more and more serious. Some methods of prediction theories have been applied including the Budryk-Knothe’s infection function one. This article presents the analysis and comparison of predicted result and monitored subsidence indicators for case study of Thong Nhat underground coal mine (Viet Nam) in the light of S. Knothe time function.

PL

W ciągu ostatnich lat problemy szkód poeksploatacyjnych na terenie górniczym Quang Ninh stają się coraz poważniejsze. W artykule zastosowano pewne metody prognozowania wpływów eksploatacji w tym funkcję wpływów Budryka-Knothego. Na przykładzie podziemnej kopalni węgla Thong Nhat (Wietnam) przeanalizowano wyniki i dokonano porównania wartości wskaźników deformacji zaprognozowanych i uzyskanych z pomiarów terenowych w świetle funkcji czasu według teorii S. Knothego.

5

Porównanie dokładności różnych metod predykcji stężeń zanieczyszczeń powietrza

Hoffman S., Jasiński R.

Inżynieria i Ochrona Środowiska

|

2009

|

T. 12, nr 4

307-325

PL

W analizie wykorzystano dane zarejestrowane w latach 2004-2008 na ośmiu stacjach monitoringu powietrza działających w różnych miejscowościach województw łódzkiego i mazowieckiego. W pracy badano możliwości aproksymacji stężeń zanieczyszczeń mierzonych na stacjach monitoringu powietrza. Ocenę jakości modelowania wykonano poprzez porównanie modelowanych stężeń ze stężeniami rzeczywistymi. Do predykcji stężeń wykorzystano sieci neuronowe. Porównywano dokładność pięciu różnych grup modeli: modeli szeregów czasowych, liniowych modeli regresji wielowymiarowej, nieliniowych modeli regresji wielowymiarowej, liniowych modeli regresji wielowymiarowej eksplorujących dane pochodzące z sąsiednich stacji monitoringu i nieliniowych modeli regresji wielowymiarowej eksplorujących dane pochodzące z sąsiednich stacji monitoringu. Celem praktycznym była rekomendacja optymalnych technik modelowania luki pomiarowej obejmującej pewien dłuższy fragment serii czasowej tylko jednego z zanieczyszczeń powietrza przy założeniu, że są dostępne wszystkie pozostałe dane, w tym dane pochodzące z sąsiednich stacji monitoringu powietrza. Wykonana analiza wykazała, że dla każdego z zanieczyszczeń powietrza należy rekomendować inne metody predykcji, ponieważ występują duże różnice w możliwościach modelowania poszczególnych zanieczyszczeń powietrza. Stężenia takich zanieczyszczeń, jak O3, SO2, PM10 można efektywnie modelować metodą szeregów czasowych, ale tylko do pewnego horyzontu prognozy, po którym regresyjne metody modelowania okazują się dokładniejsze. W modelowaniu stężeń O3 i PM10 efektywne może się okazać wykorzystanie stężeń tych zanieczyszczeń zarejestrowanych na innych stacjach monitoringu powietrza. W przypadku pozostałych zanieczyszczeń NO, NO2 i CO zasadne jest stosowanie tylko jednej metody modelowania - analizy regresji. Liniowe modele regresyjne są mniej dokładne od ich nieliniowych odpowiedników. Różnice dokładności obu typów modeli nie zawsze są duże. Dlatego modele liniowe mogą stanowić praktyczną alternatywę dla nieliniowych odpowiedników.

EN

Air monitoring data collected over a 5-year period at 8 different measure sites in Central Poland were used as the database for analysis purposes. Approximation of concentrations of monitored air pollutants were done by means of several prediction methods: time series analysis, regression analysis with predictors from a single monitoring station, and regression analysis with external predictors. Separate models were created for O3, NO2, NO, PM10, SO2, CO. Modelled and measured concentrations were compared. As a result prediction errors were calculated for each model. The main objective of analysis was a comparison of prediction results, and recommendation the most accurate modelling methods, dedicated to specified pollutants. The examination was made by means of artificial neural networks, which were employed to create all types of models.

6

Klasyfikacja luk pomiarowych w danych rejestrowanych na stacjach monitoringu powietrza

Hoffman S., Jasiński R.

Inżynieria i Ochrona Środowiska

|

2009

|

T. 12, nr 2

101-117

PL

Rejestrowane na stacjach monitoringu powietrza zbiory danych nigdy nie są kompletne. W skali roku liczba odnotowywanych braków jest zmienna. Ocena jakości powietrza na podstawie niepełnych pomiarów jest utrudniona. Obowiązujące przepisy prawne dopuszczają możliwość wykorzystania modelowania w celu uzupełnienia brakujących danych. Rozpoznanie typowych struktur obszarów z brakującymi danymi umożliwia ich klasyfikację, a następnie rekomendację odpowiednich metod modelowania dla wyszczególnionych klas. Celem badań było wytypowanie charakterystycznych struktur luk pomiarowych w zbiorach danych i określenie częstości ich występowania. Klasyfikację przypadków z brakującymi danymi zaproponowano na podstawie przeglądu wieloletnich danych, pochodzących z kilku różnych stacji pomiarowych automatycznego monitoringu powietrza. Analizowano serie czasowe chwilowych stężeń podstawowych zanieczyszczeń powietrza (O3, NO2, NO, PM10, SO2, CO), zarejestrowanych w latach 2004-2008 na stacjach monitoringu powietrza Warszawa-Ursynów, Radom, Łódź-Widzew, Piotrków Trybunalski. Na podstawie wyników przeprowadzonej analizy można stwierdzić, że brakujące dane występują powszechnie w zbiorach danych pochodzących z monitoringu powietrza. Częstość ich występowania w rocznych seriach pomiarowych może wynosić od kilku do nawet kilkudziesięciu procent. Większość luk pomiarowych jest krótka - stanowią je głównie pojedyncze przypadki. Zdecydowanie rzadziej występują bloki brakujących danych, przekraczające 3-4 przypadki (dłuższe od 3-4 godzin). Największą częstość występowania przypadków z niezarejestrowanymi wynikami odnotowano dla luk najdłuższych, obejmujących więcej niż 24 przypadki (>24 godziny).

EN

The data gathered continuously in the air monitoring systems are never entire. In the whole year, the number of missing records is changeable. The deficiency of data could result in uncertainty of a statistical assessment, required by the air quality standards, and cause the uselessness of monitoring measurements. Air quality standards permit to use modelling in order to recreate the missing data when the completeness of the monitoring set is not sufficient. Applied modelling methods should guarantee possibly the best precision to achieve the air quality assessment being closest to reality. Single, specified method does not assure the maximal accuracy because the missing data in data matrix may create gaps of various shapes and ranges. Recognition of typical structures of missing data fields should be the base of their classification. For the specified classes of gaps the optimum modelling methods may be recommended and assigned. The main objective of the analysis was to select typical patterns of gaps in air monitoring data matrixes, and the assessment of their appearing. The missing data classification was suggested after long-term data survey. The analyzed data sets derived from 4 different air monitoring sites in the Central Poland (Warsaw-Ursynów, Radom, Lodz-Widzew, Piotrków Trybunalski). The data were gathered in the period 2004-2008. The examined time-series involved hourly concentrations of main air pollutants: O3, NO2, NO, PM10, SO2, CO. The results allow coming to some general conclusions. Missing data commonly occur in sets of air monitoring records. Gaps may include up to several or even more per cent of all expected data in yearly measuring series. For all air pollutants, the most of the gaps in monitoring time series are very short. Single (1-hour) missing values dominate among gaps of different length. Gaps lengths exceeding 3-4 hours are observed occasionally. However, the greatest frequency of single without-data cases appearing is observed in the longest gaps (>24 hours), because of their lengths.

7

Aproksymacja stężeń zanieczyszczeń powietrza za pomocą neuronowych modeli szeregów czasowych

Hoffman S.

Inżynieria i Ochrona Środowiska

|

2009

|

T. 12, nr 3

231-239

PL

W pracy oceniono możliwości aproksymacji stężeń zanieczyszczeń mierzonych na stacjach monitoringu powietrza. Do predykcji stężeń wykorzystano neuronowe modele szeregów czasowych. Jakość modelowania testowano na rzeczywistych danych pochodzących ze stacji monitoringu powietrza Łódź-Widzew, zarejestrowanych w latach 2004-2008. Analizie poddano względnie kompletny zbiór danych, obejmujący stężenia 6 podstawowych zanieczyszczeń powietrza: O3, NO2, NO, PM10, SO2, CO. Celem badawczym było określenie i porównanie dokładności predykcji stężeń różnych zanieczyszczeń powietrza. Modelowanie przeprowadzono, stosując sztuczne sieci neuronowe. Trening sieci odbywał się przy użyciu liniowego algorytmu pseudoinwersji. Wyjściem modelu było stężenie wybranego zanieczyszczenia w określonym czasie. Wejściami były wartości stężeń zarejestrowane w godzinach wcześniejszych. Każdy model charakteryzowały dwie wielkości: horyzont prognozy i liczba wartości opóźnionych. W analizie określono dokładność predykcji stężeń wybranych zanieczyszczeń dla stałej liczby wartości opóźnionych równej 24 przy zmieniającym się horyzoncie prognozy od 1 do 240 godz. Jako kryterium jakości modelowania przyjęto wartość błędu aproksymacji.

EN

An assessment of quality of air pollutants concentration modeling was the main research purpose. The examination was made by means of artificial neural networks, which were employed to create time-series models. The quality of approximation was tested on the actual set of air monitoring data, gathered over a 5-year period at the measure site in Lodz-Widzew (Central Poland). The examined time-series involved hourly concentrations of main air pollutants: O3, NO2, NO, PM10, SO2, CO. The research aim was the estimation and the comparison of prediction accuracy for different air pollutants. Time-series models were characterized by two parameters which might influence the prediction quality: lookahead and steps. For all models the constant number of steps equal 24 hours was assumed. The effect of changes of lookahead in the range 1÷ 240 hours was analyzed. It was stated that the decreasing of precision of time-series models with the increase of lookahead is observed. The drop of accuracy depends on pollutant. The furthest reasonable prognosis may be done for ozone concentration. Approximation accuracy shortens in the order: O3, CO, SO2, PM10, NO2, NO.