Czasopismo | PRZEGLĄD ELEKTROTECHNICZNY | Rocznik 2022 - zeszyt 1

Using a classification tree to identify seepage in flood embankments

10.15199/48.2022.01.21

nr katalogowy: 135352
10.15199/48.2022.01.21

Streszczenie

The article presents a method of controlling infiltration in flood embankments by means of impedance tomography with the use of classification tree prediction. The analysis was performed using electrical impedance tomography and image reconstruction using machine learning methods, the results of the reconstruction were compared and various numerical models were used. The main advantage of the presented solution is the possibility of analyzing spatial data and high processing speed. The key parameters in electrical tomography are the speed of analysis and the accuracy of the reconstructed objects. The reconstruction algorithm is obtained by solving the inverse problem. Classification trees were used to obtain feedback on the degree of water permeability of the embankment

Abstract

Artykuł przedstawia metodę kontroli przesiąków w wałach przeciwpowodziowych za pomocą tomografii impedancyjnej z wykorzystaniem predykcji drzewa klasyfikacyjnego. Analizę przeprowadzono z użyciem elektrycznej tomografii impedancyjnej i rekonstrukcji obrazu z wykorzystaniem metod uczenia maszynowego, porównano wyniki rekonstrukcji i zastosowano różne modele numeryczne. Główną zaletą prezentowanego rozwiązania jest możliwość analizy danych przestrzennych oraz duża szybkość przetwarzania. Kluczowymi parametrami w tomografii elektrycznej są szybkość analizy i dokładność rekonstruowanych obiektów. Algorytm rekonstrukcji uzyskuje się poprzez rozwiązanie problemu odwrotnego. Drzewa klasyfikacyjne zostały wykorzystane do uzyskania informacji zwrotnej o stopniu przesiąkliwości nasypu (Wykorzystanie drzewa klasyfikacyjnego do identyfikacji przesiąkania wałów przeciwpowodziowych).

Słowa kluczowe

Keywords

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.
[13] 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] Liang, GH; Dong, F; Kolehmainen, V; Vauhkonen, M; Ren, SJ, Nonstationary Image Reconstruction in Ultrasonic Transmission Tomography Using Kalman Filter and Dimension Reduction, IEEE Transactions on instrumentation and measurement Volume: 70 Article Number: 4501012, 2021.T. Hastie, R. Tibshirani, J. Friedman, The elements of statistical learning, Springer-Verlag New York Inc., 2009.
[20] J a m e s G . , Wi t t e n D . , H a s t i e T . , T i b s h i r a n i R . , An introduction to statistical learning, Springer-Verlag GmbH, 2013.
[21] F a w c e t t T . , An introduction to ROC analysis, Pattern Recognition Letters. 27 (2006) 861–874.
[22] H a n d D . J . , T i l l . , R . J . , A simple generalisation of the area under the ROC curve for multiple class classification problems, Machine Learning. 45 (2001) 171–186.
[23] F r i e d m a n J . , H a s t i e T . , T i b s h i r a n i R . , Regularisation paths for generalised linear models via coordinate descent, Journal of Statistical Software. 33 (2010) 1.
[24] B r e i m a n L . , F r i e d m a n J . , S t o n e C . J . , O l s h e n R . A . , Classification and regression trees, CRC press, 1984.
[25] K o z ł o w s k i E . , M a z u r k i e w i c z D . , S ȩ p J . , Ż a b i ń s k i T . , The use of principal component analysis and logistic regression for cutter state identification, in: Innovations in Industrial Engineering, Springer International Publishing, 2021: pp. 396–405.
[26] A n t o s z K . , M a z u r k i e w i c z D . , K o z ł o w s k i E . , S ę p J . , Ż a b i ń s k i T ., Machining process time series data analysis with a decision support tool, in: Lecture Notes in Mechanical Engineering, Springer International Publishing, 2021: pp. 14– 27.

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


PRZEGLĄD ELEKTROTECHNICZNY- e-publikacja (pdf) z zeszytu 2022-1 , nr katalogowy 135352 licencja: Osobista Produkt cyfrowy Nowość	10.00 zł

Zeszyt


PRZEGLĄD ELEKTROTECHNICZNY- e-zeszyt (pdf) 2022-1 licencja: Osobista Produkt cyfrowy Nowość	55.00 zł
PRZEGLĄD ELEKTROTECHNICZNY- e-zeszyt (pdf) 2022-10 licencja: Osobista Produkt cyfrowy Nowość	58.00 zł
PRZEGLĄD ELEKTROTECHNICZNY- e-zeszyt (pdf) 2022-11 licencja: Osobista Produkt cyfrowy Nowość	58.00 zł
PRZEGLĄD ELEKTROTECHNICZNY- e-zeszyt (pdf) 2022-12 licencja: Osobista Produkt cyfrowy Nowość	58.00 zł

Prenumerata

PRZEGLĄD ELEKTROTECHNICZNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

762.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	1002.00 zł brutto 927.78 zł netto 74.22 zł VAT (stawka VAT 8%)

1002.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna	960.00 zł brutto 888.89 zł netto 71.11 zł VAT (stawka VAT 8%)
PRZEGLĄD ELEKTROTECHNICZNY - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

1002.00 zł

Zeszyt

2022-1

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma