Szczegóły publikacji
Opis bibliograficzny
Zastosowanie wnioskowania Bayesa do oceny zagrożenia budynków wielkoblokowych na terenach górniczych — Bayesian inference for the assessment of threats to large-block building structures in mining areas / Janusz RUSEK, Karol FIREK // Przegląd Górniczy ; ISSN 0033-216X. — 2019 — t. 75 nr 2, s. 7–12. — Bibliogr. s. 12, Streszcz., Abstr.
Autorzy (2)
Słowa kluczowe
Dane bibliometryczne
| ID BaDAP | 120593 |
|---|---|
| Data dodania do BaDAP | 2019-03-20 |
| Tekst źródłowy | URL |
| Rok publikacji | 2019 |
| Typ publikacji | artykuł w czasopiśmie |
| Otwarty dostęp |  |
| Creative Commons | |
| Czasopismo/seria | Przegląd Górniczy |
Streszczenie
W artykule przedstawiono przykłady wykorzystania modeli opartych na formalizmie wnioskowania Bayesa do analizy zagrożenia budynków zlokalizowanych na terenach górniczych. Przedmiotem badań była grupa 126 budynków wzniesionych w technologii wielkoblokowej. Przedstawiono metody wnioskowania wykorzystane w dotychczasowych badaniach ryzyka powstawania uszkodzeń w budynkach narażonych na negatywne skutki eksploatacji górniczej. Obejmowały one ocenę stanu technicznego (st), w ramach której do budowy modelu zastosowano naiwną klasyfikację Bayesa, a także analizę intensywności uszkodzeń elementów składowych budynku, z wykorzystaniem Bayesowskich sieci przekonań. W konkluzji przedstawiono koncepcję uszczegółowienia wyników wcześniejszych badań. Polega ona na samoistnym generowaniu struktury sieci Bayesa w oparciu o bazę danych o intensywności uszkodzeń istniejących budynków.
Abstract
This research paper provides examples of the use of models based on the formalism of Bayesian inference for the analysis of the threats to building structures located in mining areas. The subject of the research study was a group of 126 buildings erected in the large-block technology. The authors presented the inference methods of the risk of the occurrence of damage to buildings exposed to the adverse effects of mining exploitation, which were used in the previous studies. They included the assessment of the technical condition (st), where the naive Bayes classification was used to build the model, as well as the analysis of the intensity of damage to the components of a building structure, using the Bayesian belief networks. The conclusion presents the concept of detailing the results of the previous research. It involves the Bayesian network structure being spontaneously generated, based on the database on the intensity of damage to the existing buildings.
