PL EN
Zastosowanie modułu eksploracji danych przestrzennych w analizach czynników deformacji terenów górniczych
 
Więcej
Ukryj
1
Wroclaw University of Technology, Institute of Mining Engineering
 
2
Wroclaw University of Technology, The Faculty of Geoengineering, Mining and Geology
 
 
Autor do korespondencji
Jan Blachowski
Wroclaw University of Technology, Institute of Mining Engineering, Na Grobli 15, 50-421 Wrocław, Poland
 
 
Mining Science 2013;20:5-17
 
SŁOWA KLUCZOWE
STRESZCZENIE
Metody eksploracji danych przestrzennych na przykład te oparte na sztucznych sieciach neuronowych (SSN) pozwalają na ekstrakcję informacji z baz danych i wykrywanie ukrytych relacji występują- cych w tych danych, a w konsekwencji pozyskiwanie nowej wiedzy o analizowanych zjawiskach i procesach. Jedną z grup technik eksploracji danych przestrzennych jest statystyczna analiza wielowymiarowa (ang. multivariate statistical analysis), która umożliwia identyfikację wzorców inaczej trudnych do wykrycia. W pracy przedstawiono próbę zastosowania metodyki samoorganizujacyh się map (SOM) w eksploracji i analizie danych przestrzennych na potrzeby wspomagania badań deformacji powierzchni spowodowanych podziemną działalnością górniczą. Badania przeprowadzono na wybranym fragmencie dawnego zagłębia węgla kamiennego w Polsce w celu analiz wpływu czynników deformacji górotworu na obserwowane osiadania powierzchni i związków między tymi czynnikami. Dotyczyły one dwóch górnych pokładów węgla i następujących czynników: system eksploatacji, okres eksploatacji, nachylenie, miąższość i głębokość eksploatowanych pokładów poniżej powierzchni terenu. W wyniku przeprowadzonych badań stwierdzono przydatność metody SOM do identyfikacji związków w danych wielowymiarowych dotyczących deformacji terenów górniczych Proponowane podejście może także znaleźć zastosowanie w identyfikacji obszarów zagrożonych osiadaniami oraz w budowaniu scenariuszy rozwoju stref deformacji, a przez to wspomaganie planowania zagospodarowania przestrzennego takich obszarów.
 
REFERENCJE (16)
1.
BLACHOWSKI J., 2008. System informacji geograficznej wałbrzyskich kopalń węgla kamiennego podstawą zwiększenia efektywności i wiarygodności badań deformacji powierzchni terenów pogórniczych, Pr. Nauk. Inst. Gór. PWroc., Stud. Mater., nr 123, Górnictwo i geologia X, nr 34, 17–27.
 
2.
BLACHOWSKI J., STEFANIAK P., 201 Aktualizacja systemu geoinformacyjnego dawnych Wałbrzyskich Kopalń Węgla Kamiennego, Pr. Nauk. Inst. Gór. PWroc., Stud. Mater., nr 135, Górnictwo i geologia XVIII, nr 42, 5–21.
 
3.
BLACHOWSKI J., MILCZAREK W., CACOŃ S., 2010. Project of a rock mass surface deformation monitoring system in the Walbrzych coal basin, Acta Geodynamica et Geomaterialia, Vol. 7, No 3, 349–354.
 
4.
CHOI J.K., KIM K.D., LEE S., WON J.S., 2010. Application of a fuzzy operator to susceptibility estimations of coal mine subsidence in Taebaek City, Korea, Environ Earth Sci 59(5):1009–1022.
 
5.
DJAMALUDDIN I., MITANI Y., ESAKI T., 2011. Evaluation of ground movement and damage to structured from Chinese coal mining using a new GIS coupling model, International Journal of Rock Mechanics and Mining Sciences, Vol. 48, 3, 380–393.
 
6.
GRAMACKI J., GRAMACKI A., 2008. Wybrane metody redukcji wymiarowości danych oraz ich wizualizacji, XIV Konferencja PLOUG, Szczyrk.
 
7.
GUO D., CHEN J., MACEACHREN A. M., LIAO K., 2006. A Visualization System for Spatio-Temporal and Multivariate Patterns (VIS- STAMP), IEEE Transactions on Visualization and Computer Graphics, 12(6), 1461–1474.
 
8.
KOHONEN T., HYNNINEN J., KANGAS J., LAAKSONEN J., 1996. SOM_PAK: The Self-Organizing Map Program Package, Technical Report A31, Helsinki University of Technology, Laboratory of Computer and Information Science, FIN-02150 Espoo, Finland.
 
9.
KOHONEN T., 2001. Self-Organizing Maps. 3rd Edition. Springer.
 
10.
KOWALSKI A. (red.), 2000. Eksploatacja górnicza a ochrona powierzchni. Doświadczenia z wałbrzyskich kopalń, Główny Instytut Górnictwa, Katowice.
 
11.
OH H.J., LEE S., 2010. Assessment of ground subsidence using GIS and the weights-of-evidence model, Engineering Geology, Vol. 115, 1–2, 36–48.
 
12.
OH H.J., AHN S.Ch., CHOI J.K., LEE S., 2011. Sensitivity analysis for the GIS-based mapping of the ground subsidence hazard near abandoned underground coal mines, Environ Earth Sci 64:347–358.
 
13.
STEFANIAK P., ZIMROZ R., 20 Multivariate diagnostic data analysis from gearboxes of spatial distributed conveying system, Interdisciplinary Topics in Mining and Geology, edited by J. Drzymala and W. Ciezkowski, Oficyna Wydawnicza Politechniki Wrocławskiej.
 
14.
SZUSTALEWICZ A., 2002. Visualisation of multivariate data using parallel coordinate plots and Kohonen’s SOM’s. Which is better? Advanced Computer Systems, The Springer International Series in Engineering and Computer Science, Vol. 664, pp. 89-98.
 
15.
TOMLIN C. D., 2006. Cartographic Modeling, In: Encyclopedia of Geographic Information Science. Sage.
 
16.
ZAHIRI H., PALAMARA D.R., FLENTJE P., BRASSINGTON G.M., BAAFI E., 2006. A GIS-based weights-of-evidence model for mapping cliff instabilities associated with mine subsidence. Environ Geol. 51(3), 377–386.
 
eISSN:2353-5423
ISSN:2300-9586
Journals System - logo
Scroll to top