Application of logit regression to the analysis of the state of the flood embankment

• Autorzy: Król, Krzysztof , Rymarczyk, Tomasz , Kozłowski, Edward

Warianty tytułu

PL

Zastosowanie regresji logitowej do analizy stanu wału przeciwpowodziowego

• Języki publikacji: EN

Abstrakty

EN

Non-destructive methods also include electrical impedance tomography, in which electrical measurements are made. This method, thanks to the measuring device used and the implemented algorithms, allows for a non-invasive spatial determination of the degree of moisture. The article presents the problem of identifying flood protection by means of image reconstruction in electrical impedance tomography (EIT). Reconstruction in EIT concerns the performance of a series of measurements using multiple sensors as well as image reconstruction. The reconstruction of the image allows the presentation of various inclusions in the examined object. Logit regression was used to determine the inclusions in the analyzed area. Additionally, the elasticnet method was used to select predictors in logit regression. The results of research on the development of an effective and non-invasive method of flood embankment detection were prepared.

PL

Do metod nieniszczących zalicza się również elektryczną tomografię impedancyjną, w której wykonuje się pomiary elektryczne. Metoda ta, dzięki zastosowanemu urządzeniu pomiarowemu oraz zaimplementowanym algorytmom, pozwala na bezinwazyjne przestrzenne określenie stopnia zawilgocenia. W artykule został przedstawiony problem identyfikacji przesiąkania wałów przeciwpowodziowych za pomocą rekonstrukcji obrazu w elektrycznej tomografii impedancyjnej (EIT). Rekonstrukcja w EIT dotyczy wykonania szeregu pomiarów przy użyciu wielu czujników jak i rekonstrukcji obrazu. Z rekonstrukcji obrazu pozwala na przedstawienie różnych wtrąceń w badanym obiekcie. Do określenia wtrąceń w analizowanym obszarze zastosowano regresję logit. Dodatkowo do wyboru predyktorów w regresji logit zastosowano metodę elasticnet. Opracowano wyniki badań nad opracowaniem skutecznej i nieinwazyjnej metody detekcji wałów przeciwpowodziowych.

Słowa kluczowe

PL

regresja logitowa; tomografia; przesiąkanie nasypów

EN

logit regression; tomography; seepage of embarkment

• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2022
• Tom: R. 98, nr 2
• Strony: 195--198
• Opis fizyczny: Bibliogr. 32 poz., rys.

Twórcy

autor

Król, Krzysztof

• Research&Development Centre Netrix S.A.,

autor

Rymarczyk, Tomasz

• Research&Development Centre Netrix S.A.,
• University of Economics and Innovation, Projektowa 4, Lublin

autor

Kozłowski, Edward

• Lublin University of Technology, Nadbystrzycka 38, Lublin,

Bibliografia

• [1] Miłak, M., Leszczyńska, A., Grudzień, K., Romanowski, A., & Sankowski, D. (2019). Slug flow velocity estimation during pneumatic conveying of bulk solid materials based on image processing techniques. Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska, 9(1), 11-14.
• [2] Kryszyn, J., Wanta, D., Smolik, W. T. (2019). Evaluation of the electrical capacitance tomography system for measurement using 3d sensor. Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska, 9(4), 52-59.
• [3] Kłosowski G., Rymarczyk T., Wójcik D., Skowron S., Adamkiewicz P., The Use of Time-Frequency Moments as Inputs of LSTM Network for ECG Signal Classification, Electronics, 9(9), 1452, 2020.
• [4] Korzeniewska E., Krawczyk A., Stando J., Torsion field - an example of pseudo-scientific concept in physics, Przeglad Elektrotechniczny, Volume97, Issue1, Page196-199, DOI10.15199/48.2021.01.41, 2021.
• [5] Korzeniewska, E; Szczesny, A; Lipinski, P; Drozdz, T; Kielbasa, P; Miernik, A, Prototype of a Textronic Sensor Created with a Physical Vacuum Deposition Process for Staphylococcus aureus Detection, SENSORS Volume: 21 Issue: 1 Article Number: 183, 2021.
• [6] Wajman, R; Banasiak, R; Babout, L, On the Use of a Rotatable ECT Sensor to Investigate Dense Phase Flow: A Feasibility Study, SENSORS Volume: 20 Issue: 17 Article Number: 4854, 2020.
• [7] Banasiak, R.; Wajman, R.; Jaworski, T.; Fiderek, P.; Fidos, H.; Nowakowski, J.; Sankowski, D. Study on two-phase flow regime visualization and identification using 3D electrical capacitance tomography and fuzzy-logic classification. Int. J. Multiph. Flow 2014, 58, 1–14.
• [8] Jan Dusek, Jan Mikulka, Measurement-Based Domain Parameter Optimization in Electrical Impedance Tomography Imaging, Sensors 2021, 21(7), 2507
• [9] Daniewski K., Kosicka E., Mazurkiewicz D., Analysis of the correctness of determination of the effectiveness of maintenance service actions. Management and Production Engineering Review 9 (2018); No. 2, 20-25.
• [10] Romanowski, A. Contextual Processing of Electrical Capacitance Tomography Measurement Data for Temporal Modeling of Pneumatic Conveying Process. In Proceedings of the 2018 Federated Conference on Computer Science and Information Systems (FedCSIS), Poznan, Poland, 9–12 September 2018; 283–286.
• [11] Chen, B.; Abascal, J.; Soleimani, M. Extended Joint Sparsity Reconstruction for Spatial and Temporal ERT Imaging. Sensors 2018, 18, 4014.
• [12] Rymarczyk T., Kłosowski G., Hoła A., Sikora J., Wołowiec T., Tchórzewski P., Skowron S., Comparison of Machine Learning Methods in Electrical Tomography for Detecting Moisture in Building Walls, Energies, 14(10), 2777; 2021. Rymarczyk T., Kozłowski E., Kłosowski G., Electrical impedance tomography in 3D flood embankments testing – elastic net approach, Transactions of the Institute of Measurement and Control, 42(4), 680-690, 2020.
• [14] Rymarczyk T., Nita P., Vejar A., Woś M., Stefaniak B., Adamkiewicz P.: Wearable mobile measuring device based on electrical tomography, Przegląd Elektrotechniczny, 95(4), 211- 214, 2019.
• [15] Rymarczyk T., Kłosowski G., Tchórzewski P., Cieplak T., Kozłowski E.: Area monitoring using the ERT method with multisensor electrodes, Przegląd Elektrotechniczny, 95(1), 153- 156, 2019.
• [16] Koulountzios P., Rymarczyk T., Soleimani M., A quantitative ultrasonic travel-time tomography system for investigation of liquid compounds elaborations in industrial processes, Sensors, 19(23), 5117, 2019.
• [17] Kłosowski G., Rymarczyk T., Kania K., Świć A., Cieplak T., Maintenance of industrial reactors based on deep learning driven ultrasound tomography, Eksploatacja i Niezawodnosc – Maintenance and Reliability; 22(1), 138–147, 2020.
• [18] Kłosowski G., Rymarczyk T., Cieplak T., Niderla K., Skowron Ł., Quality Assessment of the Neural Algorithms on the Example of EIT-UST Hybrid Tomography, Sensors, 20(11), 3324, 2020.
• [19] Rymarczyk T., Tchórzewski P., Sikora J., Implementation of Electrical Impedance Tomography for Analysis of Building Moisture Conditions, Compel The international journal for computation and mathematics in electrical and electronic engineering, 37 (2018), No. 5, 1837-1861
• [20] Rymarczyk T., Kłosowski G., Kozłowski E., NonDestructive System Based on Electrical Tomography and Machine Learning to Analyse Moisture of Buildings, Sensors, 18 (2018), No. 7, 2285
• [21] Rymarczyk T., Koz łowski E., Kłosowski G., Electrical impedance tomography in 3D _ood embankments testing elastic net approach, Transactions of the Institute of Measurement and Control, 2019,
• [22] Kłosowski G., Rymarczyk T., Gola A., Increasing the reliability of flood embankments with neural imaging method, Applied Sciences 8.9 (2018), 1457.
• [23] Rymarczyk T., Kłosowski G., Kozłowski E., Tchórzewski P., Comparison of Selected Machine Learning Algorithms for Industrial Electrical Tomography, Sensors, 19 (2019), No. 7, 1521
• [24] Hastie T., Tibshirani R., Friedman J., The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer, 2009.
• [25] James G., Witten D., Hastie, T., Tibshirani R., An Introduction to Statistical Learning: with Applications in R, Springer, 2017.
• [26] Wehrens R., Chemometrics with R. Multivariate Data Analysis in the Natural Science and Life Sciences, Springer, 2011.
• [27] Tibshirani R., Regression shrinkage and selection via the lasso, Journal of the Royal Statistical Society, Series B, 58 (1996), No. 1, 267–288
• [28] Zou H., Hastie T., Regularisation and variable selection via the elastic net, Journal of the Royal Statistical Society, Series B, 67 (2005), No. 2, 301–320
• [29] Friedman J., Tibshirani R., Hastie T., Regularisation paths for generalised linear models via coordinate descent, Journal of Statistical Software, 33 (2010), No. 1, 1–22
• [30] Rymarczyk T., Kłosowski G., Innovative methods of neural reconstruction for tomographic images in maintenance of tank industrial reactors, Eksploatac jaiNiezawodnosc – Maintenance and Reliability, 20 (2019), No. 3, 425–434
• [31] T. Fawcett, An introduction to ROC analysis, Pattern Recognition Letters. 27 (2006) 20 861–874.
• [32] D.J. Hand, R.J. Till, A simple generalisation of the area under the roc curve for multiple class classification problems, Machine Learning. 45 (2001) 171–186.

Identyfikatory

DOI

10.15199/48.2022.02.45