dr hab. inż. Maria Mrówczyńska, prof. UZ, Uniwersytet Zielonogórski, Wydział Budownictwa, Architektury i Inżynierii Środowiska

Autor do korespondencji e-mail: Ten adres pocztowy jest chroniony przed spamowaniem. Aby go zobaczyć, konieczne jest włączenie w przeglądarce obsługi JavaScript.

DOI: 10.15199/33.2017.08.35

W artykule przedstawiono podstawowe zasady budowania i uczenia sieci neuronowych jednokierunkowych wielowarstwowych wykorzystywanych jako narzędzia do tworzenia numerycznego modelu terenu. Dane opisujące powierzchnie terenu są danymi ciągłymi o charakterze trójwymiarowym, określonym przez trzy współrzędne (x, y, H). Chcąc wykorzystać przedstawione dane w procesie analizy przestrzennej, należy wprowadzić je do trójwymiarowego modelu danych przestrzennych, zwanego też numerycznym modelem terenu (NMT). Celem tworzenia NMT z zastosowaniem sztucznych sieci neuronowych jest analiza możliwości jego wykorzystana jako narzędzia przy opracowaniu planów zagospodarowania przestrzennego terenu oraz w zadaniach inżynierskich, takich jak: wyznaczanie objętości mas ziemnych, tyczenie elementów inwestycji drogowych czy określenie terenów zagrożonych powodzią. Przykładowe zastosowania są jednymi z wielu elementów planowania i realizacji przedsięwzięć budowlanych, w których występują pomiary geodezyjne.

Słowa kluczowe: sieci neuronowe, numeryczny model terenu, pomiary geodezyjne.

* * *

Construction of numerical model of terrain for planning of construction projects

This article presents the basic principles of constructing and training unidirectional multilayer neural networks as a tool for creating a digital terrain model. Data that describe the land surfaces are three-dimensional continuous data, specified by three coordinates (x, y, H). In order to use the data presented in the process of spatial analysis, they must be entered to the three-dimensional spatial data model, also called digital terrain model (DTM). The purpose of creating DTM using artificial neural networks is to analyze the possibilities of its use as a tool in the development of land development plans and in engineering tasks such as the determination of the volume of earth masses, the placement of elements of road investments or the identification of areas threatened with floods. Exemplary applications are one of the many elements of the planning and implementation of construction projects in which geodetic measurements are performed.

Keywords: neural networks, numerical terrain model, geodetic measurements.

Literatura
[1] Bishop Christopher M. 2006. Pattern Recognition and Machine Learningupport. New York. Springer.
[2] Gaździcki Jerzy. 1990. Systemy informacji przestrzennej. Warszawa – Wrocław. Państwowe Przedsiębiorstwo Wydawnictw Kartograficznych.
[3] Gil Józef. 2006. Przykłady zastosowań sieci neuronowych w geodezji. Zielona Góra. Oficyna Wydawnicza Uniwersytetu Zielonogórskiego.
[4] Mrówczyńska Maria. 2015. Studium nad doborem metod inteligencji numerycznej do rozwiązywania problemów z geodezji inżynieryjnej. Zielona Góra. Oficyna Wydawnicza Uniwersytetu Zielonogórskiego.
[5] Osowski Stanisław. 2006. Sieci neuronowe do przetwarzania informacji. Warszawa. Oficyna Wydawnicza Politechniki Warszawskiej.
[6] Rafiq M. Y., G. Bugmann, D. J. Easterbrook. 2001. „Neural network design for engineering applications”. Computers&Structures 79 (170): 1541 – 1552.
[7] Rutkowska Danuta, Maciej Piliński, Leszek Rutkowski. 2012. Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. Wydawnictwo Naukowe PWN.
[8] Tadeusiewcz Ryszard. 1993. Sieci neuronowe. Warszawa. Akademicka Oficyna Wydawnicza.

Otrzymano: 01.06.2017 r.

Przeczytaj cały artykuł >>

Materiały Budowlane 8/2017, str. 116-117 (spis treści >>)