Artykuł przedstawia propozycję oceny osiadań powierzchni terenu na skutek budowy tunelu. Po krótkim omówieniu osiadań powierzchni terenu na skutek tunelowania metodami tarczowymi została scharakteryzowana specyfika tunelowań metodą bezwykopową wraz ze wskazaniem oddziaływania jej na otaczające środowisko. Następnie zaprezentowano większość teorii i metod dotyczących szacowania osiadań powierzchni terenu na skutek tunelowania.Na zakończenie autor artykułu proponuje, by do prognozowania osiadań powierzchni terenu powstałych na skutek robót tunelowych prowadzonych w gruntach, zwłaszcza metodami bezwykopowymi, zastosować zależności wynikające z wyznaczania wskaźnika zagęszczenia.
EN
The article presents a rough estimate of terrain subsidence resulting from tunnel building. After a short coverage of the topic of terrain subsidence resulting from tunnel construction with the use of the shield methods, the method of no-dig tunneling has been characterized, together with an indication of its effects on the surrounding environment. The majority of theories and methods concerning the prognosis of the terrain surface subsidence resulting from the process of tunneling, has been presented. The author of the article suggests that prognosing the terrain subsidence caused by tunnel building processed in soil, especially those using methods of no-dig tunneling, should adapt the relations resulting from the indicator of density.
Poniższy artykuł przedstawia próbę zastosowania sieci neuronowych do wyznaczania osiadań powierzchni terenu objętego eksploatacją górniczą. W pierwszej fazie badań sieci zostały zastosowane do przypadków teoretycznych. Następnie użyto sieci neuronowej do wyznaczenia osiadania powierzchni terenu w warunkach rzeczywistych dla kopalni. Badano wpływ ilości oraz rozmieszczenia punktów zadanych na dokładność otrzymanych wyników. W artykule przedstawiono wyniki otrzymane z sieci neuronowej wyznaczającej osiadanie powierzchni dla obszaru leżącego na terenie KWK "Siersza".
EN
This paper presents an attempt at using neural networks to explain the problem connected with prediction of surface subsidence. The calculations were performed by means of simple feed-forward, which were train based on mining and geological factors. The results of the computations performed by the networks are compared to the results obtained by means of the classical numerical methods. At first there was given the solution to the theoretical problems. Next there were shown the examples of neural networks which were used for computing the surface subsidence on coal mine "Siersza" grounds. The main advantage of present method is that there is no need to study the relations between the input data and subsidence, as the neural network learns the right relation from the experimental data. The author made use of Stuttgart Neural Network Simulator for research.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.