Prognozowanie przekazywania drgań pochodzenia górniczego z gruntu na budynek z wykorzystaniem SSN
Wariant tytułu
Prediction of the mine-induced vibrations transmission from ground to building using ANN
Autor
Chudyba, Łukasz
Promotor
dr hab. inż. Krystyna Kuźniar, prof. UP
Data wydania
2013
Data obrony
18.04.2013
Wydawca
[s.n.]
Język
polski
Słowa kluczowe
interakcja dynamiczna podłoże – budynek, sieci neuronowe, bayesowskie sieci neuronowe, przyspieszenia drgań, prędkości drgań
soil – structure interaction, neural network, bayesian neural network, acceleration of vibrations, velocity of vibrations
Abstrakt
W pracy dokonano analizy przekazywania przyśpieszeń oraz prędkości drgań pochodzenia górniczego z gruntu na fundament budynku mieszkalnego o średniej wysokości. W przypadku każdego ze wstrząsów oceniano wielkość redukcji maksymalnych wartości drgań fundamentu w stosunku do amplitud drgań gruntu. Pod uwagę wzięto wpływ wybranych parametrów wstrząsów górniczych i parametrów drgań podłoża gruntowego: energii wstrząsu, odległości epicentralnej, kierunku propagacji drgań (wzajemnego położenia budynku i źródła wstrząsu górniczego), kierunku drgań budynku (równoległego do osi poprzecznej albo podłużnej), maksymalnej wartości oraz dominującej częstotliwości drgań gruntu. Do prognozowania przekazywania drgań z gruntu na fundament budynku zaproponowano zastosowanie sztucznych sieci neuronowych różnych typów: sztucznych sieci neuronowych typu wstecznej propagacji błędu, sztucznych sieci neuronowych z regularyzacją, bayesowskich sieci neuronowych oraz kaskadowych sieci neuronowych. Stwierdzono, że sztuczne sieci neuronowe zaprojektowane i zweryfikowane na bazie danych eksperymentalnych mogą być wygodnym, o satysfakcjonującej dokładności narzędziem do prognozowania przekazywania drgań z gruntu na budynek w przypadku wstrząsów pochodzenia górniczego. Dodatkowo opracowano różne warianty wzorów empirycznych do szybkiej, przybliżonej oceny przekazywania drgań z gruntu na fundament budynku.
The paper presents an analysis of the transmission of accelerations and velocities of mine-induced vibrations from the ground to medium height building foundation. Reduction of maximal foundation value of vibrations vs. maximal ground value of vibrations was estimated in case of each mining tremor. The influence of some mining tremors parameters as mining tremor energy, epicentral distance, direction of wave propagation and ground vibrations parameters as direction of vibrations as well as maximal value and dominating frequency of ground vibrations is discussed. An application of various types of neural networks for the prediction of vibrations transmission from the ground to building foundation is proposed: neural networks with the back-propagation algorithm, neural networks with regularization, bayesian neural networks and recurrent cascade neural networks. Experimental data obtained from the measurements of ground and actual structure vibrations were applied as the neural network training, validating and testing patterns. The obtained results lead to a conclusion that the neural technique gives results accurate enough for the prognosis of the mine-induced vibrations transmission from ground to building. In addition, various variants of empirical formulas for rapid, approximate evaluation of the transmission of vibrations from the ground to the foundation of the building are proposed.
