Wyniki wyszukiwania - BazTech

1

Kształtowanie się zasięgu stref zalewowych w następstwie obniżeń powierzchni terenu wywołanych prognozowaną eksploatacją węgla kamiennego

Czajkowska A.

Zeszyty Naukowe. Inżynieria Środowiska / Uniwersytet Zielonogórski

|

2017

|

nr 167 (47)

5--17

PL

Stosunki wodne w górnej części zlewni rzeki Kłodnicy są kształtowane w głównej mierze przez prowadzoną od dziesięcioleci działalność wydobywczą, która przyczynia się do powstawania podtopień i zalewisk w dolinie rzeki i jej dopływów. W artykule pokazano wpływ prognozowanych obniżeń terenu na zasięg i głębokość stref zalewowych, utworzonych w wyniku przejścia hipotetycznej fali powodziowej o prawdopodobieństwie pojawienia się p=0,2%, a tym samym na wielkość zagrożenia powodziowego w tej części zlewni. Strefy zalewowe zostały wygenerowane w wyniku symulacji przeprowadzonych na opracowanym dwuwymiarowym modelu rzeki Kłodnicy, z wykorzystaniem oprogramowania MIKE FLOOD.

EN

In the upper part of the basin of Kłodnica river hydrographic conditions are shaped primarily by decades of mining activity, which contributes to the formation of flooding and fens in the river valley and its tributaries. The article presents impact of forecasted land area slump on the range and depth of floodplains created by the passage of hypothetical flood wave with probability of occurrence p = 0.2%, and thus the size of the flood hazard in this part of the basin. The floodplains were generated by simulation carried out on the developed two-dimensional model of the Kłodnica river using MIKE FLOOD software.

2

Modelowanie numeryczne górotworu w rejonie drążonego tunelu – analiza przypadków

Dudek M.

Prace Instytutu Mechaniki Górotworu PAN

|

2017

|

T. 19, nr 2

51--60

PL

Prognozowanie przemieszczeń górotworu jest bardzo ważnym elementem podczas projektowania tuneli zlokalizowanych w obszarach miejskich. W artykule przedstawiono wyniki obliczeń komputerowych zachowania się górotworu w rejonie drążonego tunelu. Przeanalizowano zmianę stanu naprężenia i przemieszczenia powstałą w wyniku eksploatacji obiektu. Do obliczeń wykorzystano komercyjny program ABAQUS wykorzystujący Metodę Elementów Skończonych. Analizę przypadków przeprowadzono stosując model sprężysto-plastyczny Coulomba Mohra oraz model transwersalnie izotropowy. Na podstawie uzyskanych wyników sporządzono wykresy osiadania powierzchni terenu oraz przeanalizowano stan naprężenia i przemieszczenia w górotworze w rejonie wykonanych tuneli.

EN

Prediction of the deformations of the rock masses is very important element while designing tunnels located in urban areas. The paper presents the results of computer calculations of rock mass behavior in the hollow tunnel region. The change of state of stress and displacement occurred as a result of the excavation has been analyzed. The commercial ABAQUS program which uses the Finite Element Method was used for the calculations. Cases analysis was performed using the Coulomb-Mohr hypothesis and the transverse isotropy model. Based on results obtained, the charts of surface subsidence have been prepared and a state of stress and displacement in rock mass in the tunnel area has been analyzed.

3

Prognozowanie osiadań powierzchni terenu przy użyciu sieci neuronowych

Pawluś D.

Górnictwo i Geoinżynieria

|

2007

|

R. 31, z. 3

329-335

PL

Artykuł prezentuje wyniki pracy nad utworzeniem sieci neuronowej prognozującej osiadania powierzchni terenu na podstawie danych dotyczących planowanej eksploatacji, takich jak: głębokość i grubość pokładu, położenie, wielkość oraz kształt pola eksploatacyjnego, kąt zasięgu wpływów głównych oraz współczynnik eksploatacji. Do tworzenia sieci wykorzystano pakiet Statistica, natomiast dane do uczenia sieci uzyskano z modelu teoretycznego Budryka-Knothego. Prognozy uzyskane przez sieć, dla której otrzymano najlepsze dopasowanie wyników, przedstawiono na rysunkach 4 i 5. Aktualnie prowadzone są prace nad znalezieniem sieci lub zespołu sieci, które wyznaczałyby osiadania powierzchni dla obszaru zawierającego więcej niż jedno pole eksploatacyjne.

EN

This paper presents an application of neural networks for the prediction of a surface subsidence. The main advantage of the artificial neural network approach is that there is no need to assume the type of functional relation and there is no need to have an accurate knowledge of material properties in the area of interest. Only the geometry of the neural network has to be chosen and the learning procedure has to be successfully completed. The networks were used as a solution to following problem. There was given excavated quadrangular area which was described by the following factors: the coordinates of vertices of a worked area, the seam thickness, the depth of the opening, an angle of the mining influence and the subsidence factor. We want to predict the final subsidence of any point of surface. The multi-layer feed-forward networks were used for modeling the surface subsidence trough. The supervised learning has been used. Figures 4 and 5 present the final subsidences of the points lying on two lines. The neural networks could be used for computing the surface subsidence. The author will intend to use networks for computing the other factors of the surface deformations.

4

Określenie czasu trwania poeksploatacyjnych deformacji powierzchni terenu dla warunków jednej z kopalń GZW

Chudek M., Strzałkowski P.

Zeszyty Naukowe. Górnictwo / Politechnika Śląska

|

2006

|

z. 271

7-16

EN

The considerations are begun with estimation of Slovakia economic situation on the background of other countries of Europe Middle - Eastern. The main aim of the article is definition of strategy and economic policy. In order to develop Slovak Republic should intensify the economic relations both with developed countries and countries in transformation.

5

Próba zastosowania sieci neuronowych do prognozowania osiadań powierzchni terenu powstałych na skutek eksploatacji górniczej

Pawluś D.

Górnictwo i Geoinżynieria

|

2006

|

R. 30, z. 4

79-87

PL

W artykule przedstawiono zastosowanie sieci neuronowych do przewidywania osiadań powierzchni terenu powstałych w wyniku eksploatacji górniczej. Sieci neuronowe są często wykorzystywane do tego by na podstawie pewnych danych wejściowych przewidywać określone dane wyjściowe. Zaletą sieci neuronowej jako narzędzia prognozującego jest to, że sieć w wyniku procesu uczenia może nabyć zdolności przewidywania wyjściowych sygnałów wyłącznie na podstawie obserwacji tzw. ciągu uczącego, bez konieczności formułowania hipotez co do rodzaju zależności między nimi. Celem badań było utworzenie takich sieci, które na podstawie danych dotyczących planowanej eksploatacji, głębokość i grubość pokładu, położenie, wielkość oraz kształt pola eksploatacyjnego mogły wyznaczyć obniżenia terenu. Dane do uczenia sieci uzyskano z modeli teoretycznych. Wartości osiadań obliczono na podstawie teorii Budryka-Knothego. W artykule zaprezentowano testowane modele sieci oraz wyniki uzyskane z sieci najlepiej rozwiązującej problem. Na ich podstawie można stwierdzić, że możliwe jest utworzenie sieci neuronowej prognozującej osiadania powierzchni, pod warunkiem jednak, że będziemy dysponować dużą ilością danych do uczenia sieci (rzędu kilku, a nawet kilkudziesięciu tysięcy). Dlatego też dużym problemem jest utworzenie sieci neuronowej uczonej na podstawie przypadków rzeczywistych. Stąd planowane jest kontynuowanie badań w tym zakresie.

EN

This paper presents an application of neural networks for the prediction of a surface subsidence. The main advantage of the artificial neural network approach is that there is no need to assume the type of functional relation and there is no need to have an accurate knowledge of material properties in the area of interest. Only the geometry of the neural network has to be chosen and the learning procedure has to be successfully completed. There are several types of neural network geometry. The multi-layer feed-forward networks were used for modeling the surface subsidence trough. Neural networks need to learn in order to produce useful results. There are two different kinds of learning: unsupervised learning and supervised learning. The supervised learning has been used. The networks were used as a solution to following problem. There was given excavated quadrangular area which was described by the following factors: the cordinates of vertices of a worked area, the seam thickness, the depth of the opening. We want to predicate the final subsidence of any point P(x,y). The neural networks could be used for computing the surface subsidence. The author will intend to use networks for computing the other factors of the surface deformations.