Support Vector Machines and Probabilistic Neural Networks in the Assessment of the Risk of Damage to Water Supply Systems in Mining Areas
Loading...
Rusek_SVM_PNN.pdf (411.54 KB)
Authors
Date
2016
Journal Title
Journal ISSN
Volume Title
Publisher
Firma Wydawnicza HARD s.c. Jerzy Radecki Hanna Radecka
Using this material is possible in accordance with the relevant provisions of fair use or other exceptions provided by law. Other use requires the consent of the holder.
Abstract
The paper analyzes the usefulness of the two approaches: SVM (Support Vector Machine) and PNN (Probabilistic Neural Network) to assess the risk of damage to water supply systems resulting from the impacts of the industrial environment in the Upper Silesian Coal Basin (GZW). Two classification models in the form of SVM and PNN networks were created as part of the study, using data on technical and material solutions, identified damage and intensity of mining impacts for the analyzed water supply systems. Selection of the optimal parameters of the structures of both models was carried out using a genetic algorithm.W pracy przedstawiono analizę przydatności metod SVM (Support Vector Machine) oraz PNN (Probabilistic Neural Network) do oceny ryzyka uszkodzeń sieci wodociągowych pod wpływem oddziaływań środowiska przemysłowego na terenie Górnośląskiego Zagłębia Węglowego (GZW). W ramach badań utworzono dwa modele klasyfikacyjne w postaci sieci SVM oraz PNN, wykorzystując dane o rozwiązaniach techniczno-materiałowych, stwierdzonych uszkodzeniach oraz intensywności oddziaływań górniczych dla badanych sieci wodociągowych. Dobór optymalnych parametrów struktur obu modeli przeprowadzono z wykorzystaniem algorytmu genetycznego.
Description
Keywords
Citation
Rusek, Janusz. (2016). SUPPORT VECTOR MACHINES AND PROBABILISTIC NEURAL NETWORKS IN THE ASSESSMENT OF THE RISK OF DAMAGE TO WATER SUPPLY SYSTEMS IN MINING AREAS. Polish Journal of Environmental Studies. 25. 71–76.