Metoda oceny wilgotności zabytkowych murów ceglanych z wykorzystaniem uczenia maszynowego

Open Access (Artykuł w pliku PDF)

citation/cytuj: Hoła A.  Methodology for assessing the moisture content of historic brick masonry using machine learning. Materiały Budowlane. 2024. Volume 625. Issue 9. Pages 88-94. DOI: 10.15199/33.2024.09.12

dr hab. inż. arch. Anna Hoła, Wroclaw University of Science and Technology, Faculty of Civil Engineering
ORCID: 0000-0002-6105-7604

Correspondence address: Ten adres pocztowy jest chroniony przed spamowaniem. Aby go zobaczyć, konieczne jest włączenie w przeglądarce obsługi JavaScript. 

DOI: 10.15199/33.2024.09.12
Original research paper / Oryginalny artykuł naukowy

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 fromthe 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.
Keywords: historic brick walls; moisture content assessment methodology; non-destructive methods; machine learning.

Streszczenie. Przedmiotem artykułu jest oryginalna dwuetapowa metoda oceny wilgotności zabytkowych murów ceglanych z wykorzystaniem 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 uczenia maszynowego. Wiarygodność i przydatność praktyczną metody zweryfikowano przykładem jej zastosowania.
Słowa kluczowe: zabytkowe mury ceglane; metoda oceny wilgotności; metody nieniszczące; uczenie maszynowe.

Literature
[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 Konstrukcji, Wisła, 9–12.04.2024 r. Polski Związek Inżynierów i Techników Budownictwa: 2024. pp. 215–243.
[2] Trochonowicz M, Szostak B, Lisiecki D. Analiza porównawcza badań wilgotnościowych metodą chemiczną w stosunku do badań grawimetrycznych wybranych materiałów budowlanych. Budownictwo i Architektura. 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 reliablemeasurements of moisture in porous materials of ancient buildings. Building and Environment. 2006; https://doi. org/10.1016/j. buildenv. 2005.05.023.
[5] Matkowski Z. Badania wilgotności i zasolenia murów oraz sklepień ceramicznych w historycznym obiekcie podziemnym. Materiały Budowlane. 2022; https://doi. org/10.15199/33.2022.11.48.
[6] Martínez-GarridoMI, Fort R, Gómez-HerasM,Valles-Iriso J,Varas-MurielMJ. Acomprehensive study formoisture control in cultural heritage using non-destructive techniques. Journal ofApplied 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 Mechanical Engineering. 2020; https://doi. org/10.1007/s43452-020-00120-3.
[8] Pala A, Hoła J. Influence of burnt clay brick salinity on moisture content evaluated by non-destructive electricmethods.Archives of Civil andMechanical Engineering. 2016; https://doi. org/10.1016/j. acme. 2015.08.001.
[9] Valero LR, Sasso VF, Vicioso EP. In situ assessment of superficial moisture 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 buildings 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 building structural design and performance assessment: State-of-the-art review. Journal of Building Engineering. 2021; https://doi.org/10.1016/j.jobe. 2020.101816.
[16] Hoła A. Verification of Non-Destructive Assessment of Moisture Content of Historical Brick Walls Using Random Forest Algorithm. Applied Sciences. 2023; https://doi.org/10.3390/app13106006.

Received: 29.04.2024 / Wpłynął do redakcji: 29.04.2024 r.
Revised: 27.06.2024 / Otrzymano poprawiony po recenzjach: 27.06.2024 r.
Published: 23.09.2024 / Opublikowano: 23.09.2024 r.

Materiały Budowlane 9/2024, strona 88-94 (spis treści >>)