Czasopismo | MATERIAŁY BUDOWLANE | Rocznik 2024 - zeszyt 9

Methodology for assessing the moisture content of historic brick masonry using machine learning

Metoda oceny wilgotności zabytkowych murów ceglanych z wykorzystaniem uczenia maszynowego

10.15199/33.2024.09.12

Anna Hoła

nr katalogowy: 150644
10.15199/33.2024.09.12

Streszczenie

Przedmiotem artykułu jest oryginalna dwuetapowa metoda oceny wilgotności zabytkowych murów ceglanych z wy- korzystaniem uczenia maszynowego. Etap pierwszy obejmuje utworzenie zbioru danych z rezultatów badań doświadczalnych i archiwalnych przeprowadzonych w wytypowanych budynkach zabytkowych. Etap drugi uwzględnia wygenerowanie modelu na podstawie zbioru danych oraz wskazanych algorytmów ucze- nia maszynowego. Wiarygodność i przydatność praktyczną me- tody zweryfikowano przykładem jej zastosowania.

Abstract

The subject of the paper is an original two-stage methodology for assessing the moisture content of historic brick walls using machine learning. The first stage includes the creation of a dataset from the results of experimental and archival research carried out in selected historic buildings. Stage two considers the generation of a model based on the dataset and the indicated machine learning algorithms. The reliability and practical suitability of the methodology was verified by an example of its application

Słowa kluczowe

Keywords

Bibliografia

[1] Ksit B. Diagnostyka wilgotności obiektów budowlanych. In: Drobiec Ł, editor. Naprawy i wzmocnienia konstrukcji, Budownictwo ogólne, Tom I, Wykłady. XXXVIII Ogólnopolskie Warsztaty Pracy Projektanta Konstruk- cji, Wisła, 9–12.04.2024 r. Polski Związek Inżynierów i Techników Budow- nictwa: 2024. pp. 215–243.
[2] Trochonowicz M, Szostak B, Lisiecki D. Analiza porównawcza badań wilgotnościowych metodą chemiczną w stosunku do badań grawimetrycz- nych wybranych materiałów budowlanych. Budownictwo i Architektu- ra. 2016; 15: 163–171.
[3] Hussain A, Akhtar S. Review of Non-Destructive Tests for Evaluation of Historic Masonry and Concrete Structures. Arabian Journal for Science and Engineering. 2017; https://doi. org/10.1007/s13369-017-2437-y.
[4] Sandrolini F, Franzoni E. An operative protocol for reliable measurements of moisture in porous materials of ancient buildings. Building and Environ- ment. 2006; https://doi. org/10.1016/j. buildenv. 2005.05.023.
[5] Matkowski Z. Badania wilgotności i zasolenia murów oraz sklepień ce- ramicznych w historycznym obiekcie podziemnym. Materiały Budowla- ne. 2022; https://doi. org/10.15199/33.2022.11.48.
[6] Martínez-Garrido MI, Fort R, Gómez-Heras M, Valles-Iriso J, Varas-Mu- riel MJ. A comprehensive study for moisture control in cultural heritage using non-destructive techniques. Journal of Applied Geophysics. 2018; https://doi. org/10.1016/j. jappgeo. 2018.03.008.
[7] Hoła A. Methodology for the in situ testing of the moisture content of brick walls: an example of application. Archives of Civil and Me- chanical Engineering. 2020; https://doi. org/10.1007/s43452-020-00120-3.
[8] Pala A, Hoła J. Influence of burnt clay brick salinity on moisture con- tent evaluated by non-destructive electric methods. Archives of Civil and Me- chanical Engineering. 2016; https://doi. org/10.1016/j. acme. 2015.08.001.
[9] Valero LR, Sasso VF, Vicioso EP. In situ assessment of superficial moistu- re condition in façades of historic building using non-destructive techniques. Case Studies in Construction Materials. 2019; https://doi.org/10.1016/j. cscm. 2019.e00228.
[10] Balík L, Kudrnáčová L, Pavlík Z, Černý R. Application of infrared thermography in complex moisture inspection of the Schebek Palace. AIP Conference Proceedings 1866. 2017; https://doi.org/10.1063/1.4994482.
[11] Muradov M, Kot P, Markiewicz J, Łapiński S, Tobiasz A, Onisk K, Shaw A, Hashim K, Zawieska D, Mohi-Ud-Din G. Non-destructive system for in-wall moisture assessment of cultural heritage buildings. Measurement. 2022; https://doi.org/10.1016/j.measurement. 2022.111930.
[12] Hoła A, Czarnecki S. Brick wall moisture evaluation in historic buil- dings using neural networks. Automation in Construction. 2022; https://doi.org/10.1016/j.autcon. 2022.104429.
[13] Hoła A, Czarnecki S. Random forest algorithm and support vector machine for nondestructive assessment of mass moisture content of brick walls in historic buildings. Automation in Construction. 2023; https://doi. org/10.1016/j. autcon. 2023.104793.
[14] Hoła A. Methodology of the quantitative assessment of the moisture content of saline brick walls in historic buildings using machine learning. Archives of Civil and Mechanical Engineering. 2023; https://doi org/10.1007/s43452-023-00679-7.
[15] Sun H, Burton HV, Huang H. Machine learning applications for buil- ding structural design and performance assessment: State-of-the-art review. Journal of Building Engineering. 2021; https://doi.org/10.1016/j.jo- be.2020.101816.
[16] Hoła A. Verification of Non-Destructive Assessment of Moisture Content of Historical Brick Walls Using Random Forest Algorithm. Applied Scien- ces. 2023; https://doi.org/10.3390/app13106006.
[9] Valero LR, Sasso VF, Vicioso EP. In situ assessment of superficial moistu- re condition in façades of historic building using non-destructive techniques. Case Studies in Construction Materials. 2019; https://doi.org/10.1016/j. cscm. 2019.e00228.
[10] Balík L, Kudrnáčová L, Pavlík Z, Černý R. Application of infrared thermography in complex moisture inspection of the Schebek Palace. AIP Conference Proceedings 1866. 2017; https://doi.org/10.1063/1.4994482.
[11] Muradov M, Kot P, Markiewicz J, Łapiński S, Tobiasz A, Onisk K, Shaw A, Hashim K, Zawieska D, Mohi-Ud-Din G. Non-destructive system for in-wall moisture assessment of cultural heritage buildings. Measurement. 2022; https://doi.org/10.1016/j.measurement. 2022.111930.
[12] Hoła A, Czarnecki S. Brick wall moisture evaluation in historic buil- dings using neural networks. Automation in Construction. 2022; https://doi.org/10.1016/j.autcon. 2022.104429.
[13] Hoła A, Czarnecki S. Random forest algorithm and support vector machine for nondestructive assessment of mass moisture content of brick walls in historic buildings. Automation in Construction. 2023; https://doi. org/10.1016/j. autcon. 2023.104793.
[14] Hoła A. Methodology of the quantitative assessment of the moisture content of saline brick walls in historic buildings using machine learning. Archives of Civil and Mechanical Engineering. 2023; https://doi org/10.1007/s43452-023-00679-7.
[15] Sun H, Burton HV, Huang H. Machine learning applications for buil- ding structural design and performance assessment: State-of-the-art review. Journal of Building Engineering. 2021; https://doi.org/10.1016/j.jo- be.2020.101816.
[16] Hoła A. Verification of Non-Destructive Assessment of Moisture Content of Historical Brick Walls Using Random Forest Algorithm. Applied Scien- ces. 2023; https://doi.org/10.3390/app13106006.

Zeszyt


MATERIAŁY BUDOWLANE- e-zeszyt (pdf) 2024-9 licencja: Osobista Produkt cyfrowy Nowość	28.00 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

Open Access

Zeszyt

2024-9

Twój Koszyk

Zeszyt

Prenumerata

Open Access

Zeszyt

Czasopisma