Czasopismo | MATERIAŁY BUDOWLANE | Rocznik 2022 - zeszyt 11

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

10.15199/33.2022.11.18

nr katalogowy: 140581
10.15199/33.2022.11.18

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.

Słowa kluczowe

Keywords

Bibliografia

[1] Nowogońska B, Mielczarek M. Renovation management method in neglected buildings. Sustain. 2021. DOI: 10.3390/su13020929.
[2] Firek K. Proposal for classification of prefabricated panel building damage intensity rate in mining areas. Arch. Min. Sci. 2009; Vol. 54, no. 3: 467 – 479
[3] Wodyński A. Zużycie techniczne budynków na terenach górniczych. Kraków. AGH Publishing House, 2007.
[4] Knyziak P. The impact of construction quality on the safety of prefabricated multi-family dwellings. Eng. Fail. Anal. 2019. DOI: 10.1016/j. engfailanal.2019.02.042.
[5] McIntosh B.S et al. Environmental decision support systems (EDSS) development – Challenges and best practices. Environ. Model. Softw. 2011. DOI: 10.1016/j.envsoft.2011.09.009.
[6] Sharafi P, Rashidi M, Samali B, Ronagh H, Mortazavi M. Identification of Factors and Decision Analysis of the Level of Modularization in Building Construction. J. Archit. Eng. 2018. DOI: 10.1061/(asce)ae.1943-5568.0000313.
[7] Leśniak A, Radziejowska A. Supporting bidding decision using multi-criteria analysis methods. 2017. DOI: 10.1016/j.proeng.2017.11.023.
[8] Rusek J. Application of support vector machine in the analysis of the technical state of development in the LGOM mining area. Eksploat. i Niezawodn. 2017. DOI: 10.17531/ein.2017.1.8.
[9] Chomacki L, Rusek J, Słowik L. Selected Artificial Intelligence Methods in the Risk Analysis of Damage to Masonry Buildings Subject to Long-Term Underground Mining Exploitation. Minerals. 2021. DOI: 10.3390/mi- n11090958.
[10] Rusek J. Computational intelligence methods in the problem of modelling technical wear of buildings in mining areas. Geomatics Environ. Eng. 2013. DOI: 10.7494/ geom. 2012.6.3.83.
[11] Kawulok M. Szkody górnicze w budownictwie. Warszawa. Inst. Tech. Bud. 2015.optimized implementations in the bnlearn R package. J. Stat. Softw. 2017. DOI: 10.18637/jss. v077.i02.
[15] Rusek J, Firek K, Słowik L. Extracting structure of bayesian network from data in predicting the damage of prefabricated reinforced concrete buildings in mining areas. Eksploat. i Niezawodn. 2020. DOI: 10.17531/ein. 2020.4.9.
[16] Nagarajan R, Scutari M, Lèbre S. Bayesian Networks in R. New York. Springer. 2013.
[17] Rusek J, Tajduś K, Firek K, Jędrzejczyk A. Score-based Bayesian belief network structure learning in damage risk modelling of mining areas building development J. Clean. Prod. 2021. DOI: 10.1016/j.jclepro.2021.126528.
[18] Kawulok M. Diagnozowanie budynków zlokalizowanych na terenach górniczych. Warszawa. Inst. Tech. Bud. 2021.
[19] Cholewicki A, Kawulok M, Lipski Z, Szulc J. Zasady ustalania obciążeń i sprawdzania stanów granicznych budynków zlokalizowanych na terenach górniczych w nawiązaniu do Eurokodów. Warszawa. Inst. Tech. Bud. 2012.
[20] Wodyński A, Lasocki S. Assessment of mining tremor influence on the technical wear of building. Acta Geodyn. Geomaterialia. 2004; vol. 50. no. 2: 187 – 194.
[21] Scutari M. Learning Bayesian Networks with the bnlearn R Package. J. Stat. Softw. 2010. DOI: 10.18637/jss.v035.i03.
[22] Long Y, Wang L,. Sun M. Structure extension of tree-augmented naive bayes. Entropy. 2019. DOI: 10.3390/e21080721.

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

Publikacja


MATERIAŁY BUDOWLANE- e-publikacja (pdf) z zeszytu 2022-11 , nr katalogowy 140581 licencja: Osobista Produkt cyfrowy Nowość	10.00 zł

Zeszyt


MATERIAŁY BUDOWLANE- e-zeszyt (pdf) 2022-11 licencja: Osobista Produkt cyfrowy Nowość	27.00 zł

Prenumerata

MATERIAŁY BUDOWLANE - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

300.00 zł

MATERIAŁY BUDOWLANE - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
MATERIAŁY BUDOWLANE - papierowa prenumerata roczna	300.00 zł brutto 277.78 zł netto 22.22 zł VAT (stawka VAT 8%)
MATERIAŁY BUDOWLANE - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

342.00 zł

MATERIAŁY BUDOWLANE - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
MATERIAŁY BUDOWLANE - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	456.00 zł brutto 422.22 zł netto 33.78 zł VAT (stawka VAT 8%)

456.00 zł

Zeszyt

2022-11

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma