Machine Learning (ML) Methods in Assessing the Intensity of Damage Caused by High-Energy Mining Tremors in Traditional Development of LGOM Mining Area

Kwiatek J., Obiekty budowlane na terenach górniczych. Katowice: Główny Instytut Górnictwa, 2007.
  Google Scholar

Dubiński J., Mutke G., “Weryfikacja skali GSI-2004 oceny skutków drgań wywołanych wstrząsami górniczymi w obszarze LGOM”, in Materiały Sympozjum Warsztaty Górnicze z cyklu Zagrożenia naturalne w górnictwie: sesja okolicznościowa Rozwiązania inżynierskie i badania naukowe dla ograniczania zagrożeń naturalnych w górnictwie, Kraków–Tomaszowice, 12–14 czerwca 2006, IGSMiE PAN, Kraków 2006, pp. 79–93.
  Google Scholar

Minch M.Y., Samokar Z., “Analiza skutków dużego wstrząsu górniczego na zabudowę powierzchniową miasta Polkowice”, in Awarie budowlane: zapobieganie, diagnostyka, naprawy, rekonstrukcje: XXIII konferencja naukowo-techniczna, Szczecin-Międzyzdroje, 23–26 maja 2007, Wydawnictwo Uczelniane Politechniki Szczecińskiej, Szczecin 2007, pp. 299–306.
  Google Scholar

Stolecki L., “Dynamiczne oddziaływania drgań na powierzchnię terenu ZG Rudna po wstrząsie z dnia 21.05.2006 roku o energii 1,9·E9 J”, in: Materiały konferencji naukowej Warsztaty Górnicze z cyklu Zagrożenia naturalne w górnictwie, Ślesin k. Konina, 4–6 czerwca 2007, IGSMiE PAN, Kraków 2007, pp. 299–306.
  Google Scholar

Tatara, T., Odporność dynamiczna obiektów budowlanych w warunkach wstrząsów górniczych. Krakow: Cracow University of Technology, 2012.
  Google Scholar

Tatara T., “Działanie drgań powierzchniowych wywołanych wstrząsami górniczymi na niską zabudowę mieszkalną”, Zeszyty Naukowe Politechniki Krakowskiej, seria „Inżynieria Lądowa”, nr 74, Kraków 2002.
  Google Scholar

Witkowski M., Ocena wpływu wieloletnich oddziaływań górniczych na intensywność uszkodzeń tradycyjnej zabudowy LGOM. Ph.D. desideration, Krakow: AGH University of Science and Technology, 2019.
  Google Scholar

Witkowski, M., Wodyński, A., “Analysis of Mining Damage Notifications in Single-Family Buildings after the Occurrence of Intensive Mining Tremors”, Geomatics and Environmental Engineering, vol. 9, no. 4, 2015, pp. 101-112. https://doi.org/10.7494/geom.2015.9.4.101
  Google Scholar

Witkowski M., Rusek J., „Wykorzystanie probabilistycznych sieci neuronowych do wyznaczania ryzyka powstania szkód w budynkach poddanych wstrząsom górniczym”, Przegląd Górniczy, t. 73, nr 1, Katowice 2017, pp. 44-47.
  Google Scholar

Osowski S., Sieci neuronowe do przetwarzania informacji. Warszawa: Oficyna Wydawnicza Politechniki Warszawskiej, 2020.
  Google Scholar

Rusek J., “Metoda wektorów podpierających oraz probabilistyczne sieci neuronowe w ocenie ryzyka uszkodzenia sieci wodociągowych na terenach górniczych”, in VIII konferencja “Ochrona i inżynieria środowiska – zrównoważony rozwój”, AGH University of Science and Technology, Krakow, 2016, pp. 19.
  Google Scholar

Rutkowski L., Metody i techniki sztucznej inteligencji. Warszawa: Wydawnictwo Naukowe PWN, 2021.
  Google Scholar

Specht D. F., “Probabilistic neural networks”, Neural Networks, vol. 3, iss. 1, 1990, pp. 109-118. https://doi.org/10.1016/0893-6080(90)90049-Q
  Google Scholar

Vapnik V., Chervonenkis A., “Theory of pattern recognition”, Nauka, no 107, Moscow 1974.
  Google Scholar

Vapnik V., Statistical learning theory. New York: Wiley-Interscience Publication, 1998.
  Google Scholar

Schölkopf B., Smola A., Learning with Kernels: Support Vector Machines, Regularization, Optimization, and Beyond. Cambridge, Massachusetts, United States: MIT Press Ltd, 2018.
  Google Scholar

MATLAB and Statistics Toolbox Release 2021a, The MathWorks Inc., Natick, Massachusetts, United States 2021.
  Google Scholar

Łęski J., Systemy neuronowo-rozmyte. Warszawa: Wydawnictwo Naukowo-Techniczne, 2008.
  Google Scholar

Mrówczyńska M., “Klasyfikatory neuronowe typu SVM w zastosowaniu do klasyfikacji przemieszczeń pionowych na obszarze LGOM”, Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN, nr 86, Kraków 2014, pp. 69-81.
  Google Scholar

Kłopotek M., Wierzchoń S., Algorytmy analizy skupień. Warszawa: Wydawnictwo Naukowe PWN, 2017.
  Google Scholar

Instrukcja GIG nr 12. Zasady oceny możliwości prowadzenia podziemnej eksploatacji górniczej z uwagi na ochronę obiektów budowlanych, Katowice 2000.
  Google Scholar

Firek K., “Proposal for classification of prefabricated panel building damage intensity rate in mining areas”, Archives of Mining Sciences, vol. 54, iss. 3, 2009, pp. 467-479.
  Google Scholar

Firek K., Rusek J., “Partial least squares method in the analysis of the intensity of damage in prefabricated large-block building structures”, Archives of Mining Sciences, vol. 62, no 2, 2017, pp. 269-277. https://doi.org/10.1515/amsc-2017-0020.
  Google Scholar