Szczegóły publikacji
Opis bibliograficzny
Algorytmy wykrywania struktury sieci Bayesa z danych w ocenie ryzyka powstawania uszkodzeń budynków na terenach górniczych — Bayesian network structure extraction algorithms from data in damage risk assessment of buildings in mining areas / Janusz RUSEK, Leszek Chomacki, Leszek Słowik, Karol FIREK // Materiały Budowlane : technologie, rynek, wykonawstwo ; ISSN 0137-2971. — 2022 — nr 11, s. 66-69. — Bibliogr. s. 69, Streszcz., Abstr.
Autorzy (4)
- AGHRusek Janusz
- Chomacki Leszek
- Słowik Leszek
- AGHFirek Karol
Słowa kluczowe
Dane bibliometryczne
| ID BaDAP | 144142 |
|---|---|
| Data dodania do BaDAP | 2022-12-21 |
| Tekst źródłowy | URL |
| DOI | 10.15199/33.2022.11.18 |
| Rok publikacji | 2022 |
| Typ publikacji | artykuł w czasopiśmie |
| Otwarty dostęp |  |
| Creative Commons | |
| Czasopismo/seria | Materiały Budowlane |
Streszczenie
W artykule zaprezentowano wyniki badań, które podjęto w celu utworzenia modelu do oceny ryzyka powstania uszkodzeń budynków poddanych wpływom statycznych i dynamicznych oddziaływań górniczych. Uzasadniono przyjętą metodykę na kanwie metod uczenia maszynowego (ML – Machine Learning). Omówiono specyfikę zagadnienia i na tej podstawie przedstawiono główne założenia stosowanego podejścia, a przede wszystkim metodykę pozwalającą na samoistne wyłanianie struktury sieci Bayesa z danych (BSL – Bayesian Structure Learning). Zaprezentowano rezultaty otrzymane w ramach badań w odniesieniu do wielokondygnacyjnych budynków prefabrykowanych oraz murowanych zlokalizowanych na terenie LGOM oraz GZW. W artykule wskazano również możliwość uniwersalnego stosowania przyjętej metodyki w przypadku predykcji ryzyka powstania uszkodzeń i diagnozowania przyczyn zaistniałych szkód.
Abstract
The article presents the results of research that was undertaken to create a model to assess the damage risk of buildings subjected to static and dynamic mining impacts. The justification of the adopted methodology on the basis of machine learning (ML) methods is given. The specificity of the problem was discussed and, on this basis, the main assumptions of the applied approach were presented, especially the methodology allowing for autonomous extraction of the Bayesian network structure from data (BSL – Bayesian Structure Learning). The results obtained in the research were presented in relation to multi-storey prefabricated and masonry buildings located in LGDC and USB mining terrain. The paper also indicates the possibility of universal application of the adopted methodology in the case of damage risk prediction and diagnosis of the causes of damage.
