Increasing the reliability of flood embankments with neural imaging method
Artykuł w czasopiśmie
MNiSW
25
Lista A
| Status: | |
| Autorzy: | Kłosowski Grzegorz, Rymarczyk Tomasz, Gola Arkadiusz |
| Dyscypliny: | |
| Aby zobaczyć szczegóły należy się zalogować. | |
| Rok wydania: | 2018 |
| Wersja dokumentu: | Drukowana | Elektroniczna |
| Język: | angielski |
| Numer czasopisma: | 9 |
| Wolumen/Tom: | 8 |
| Numer artykułu: | 1457 |
| Strony: | 1 - 14 |
| Impact Factor: | 2,217 |
| Web of Science® Times Cited: | 56 |
| Scopus® Cytowania: | 59 |
| Bazy: | Web of Science | Scopus |
| Efekt badań statutowych | NIE |
| Materiał konferencyjny: | NIE |
| Publikacja OA: | TAK |
| Licencja: | |
| Sposób udostępnienia: | Otwarte czasopismo |
| Wersja tekstu: | Ostateczna wersja opublikowana |
| Czas opublikowania: | W momencie opublikowania |
| Data opublikowania w OA: | 24 sierpnia 2018 |
| Abstrakty: | angielski |
| This paper presents an innovative system of many artificial neural networks that enables the tomographic reconstruction of the internal structure of a flood embankment. An advantage of the proposed method is that it allows us to obtain high-resolution images, which essentially contributes to early, precise and reliable prediction of operational hazards. The method consists in training a cluster of separate neural networks, each of which generates a single point of the output image. The simultaneous and parallel application of the set of neural networks led to effective reconstruction of the internal structure of a deposition site for floatation tailings. Results obtained from the study allow us to solve the low resolution problem that usually occurs with non-invasive imaging methods. This effect was possible thanks to the design of a new intelligent image reconstruction system. |
