Jak do tej pory, metodyka sieci Bayesowskich zdobyła już duże uznanie zwłaszcza w dziedzinie prognozowania ryzyka zagrożeń naturalnych, naukach medycznych, w tym również genetyce i biologii oraz w zagadnieniach podejmowania decyzji jako tzw. system decyzyjne. W kwestii objaśniania zjawisk i procesów w dziedzinie inżynierii są to w większości systemy ekspertowe, w których wiedza zadawana jest do systemu bezpośrednio przez ludzi. Niestety w przyrodzie, jak i inżynierii spotyka się również problemy, w których przytłaczająca liczba zmiennych powoduje, że są one niedostosowane do ludzkiej percepcji. W takich przypadkach nie ma możliwości budowy systemów ekspertowych, a jedynym rozwiązaniem jest automatyzacja poszukiwania optymalnej struktury sieci Bayesowskiej na podstawie wzorców danych (BNSL). Przykładem takiego obszaru są również zagadnienia inżynierii lądowej, w tym ocena bezpieczeństwa obiektów budowlanych. Tutaj zespół autorski, stosując dostępne i zweryfikowane algorytmu BNSL, zaproponował innowacyjne rozwiązania, które dotyczyły zastosowania metodyki uczenia sieci Bayesowkich z danych w celu odzwierciedlenia wielowymiarowego procesu powstawania uszkodzeń w budynkach RC i murowanych.
Aktualnie planowane jest poszerzenie zagadnienia o ocenę bezpieczeństwa budynków i obiektów infrastruktury technicznej poddanych negatywnym oddziaływaniom górniczym w postaci deformacji ciągłych terenu i wstrząsów górniczych. Ideą przewodnią planowanych badań jest zasilenie bazy danych o przypadki obliczonych konstrukcji w ramach analizy MES. Będzie to podejście parametryczne wykonywane zdalnie za pośrednictwem API dla wybranego programu obliczeniowego dedykowanego analizie konstrukcji budowlanych. Wygenerowane losowo przypadki będą stanowiły bazę do uczenia metodą SVM. Weryfikacja utworzonego modelu pozwoli na „wirtualne” powiększenie zasobu danych na podstawie którego zbudowany będzie końcowy model w postaci sieci Bayesowskiej. W trakcie analiz na etapie budowy bazy danych będą losowane przypadki sparametryzowane pod kątem materiałowym i geometrycznym. Dla takich obiektów będą dodatkowo nakładane obciążenia statyczne i dynamiczne adekwatne do oddziaływań górniczych na terenie GZW i LGOM. Finalnie każdy obiekt uzyska miarę nośności ilościową zgodną z Eurokodami oraz instrukcjami FEMA, która będzie odzwierciedlać zachowanie bądź nie warunków narzucanych na bezpieczeństwo konstrukcji. W ramach badań in situ przewiduje się zebranie danych pomiarowych celem walidacji schmeamtów obliczeniowych do obliczeń MES. Przewiduje się zastosowanie bezprzewodowych czujników drgań działających w technologii MEMS (Microelectromechanical System). Tego typu podejście wpisuje się w rozwój koncepcji IoT (Internet of Things), dając możliwość interaktywnego i relatywnie niedrogiego monitoringu wi lu obiektów budowlanych. Głównym rezultatem badań planowanych w ramach grantu uczelnianego będzie przygotowany wniosek o grant krajowy.
Realizacja badań planowanych w ramach grantu uczelnianego pozwoli na rozwój współpracy i wymianę doświadczeń wraz z bilateralnym transferem rozwiązań technologicznych z jednostkami naukowo-badawczymi, z którymi dotychczas Grupa Badawcza utrzymywała kontakty naukowe i zawodowe, w tym z: Aarhus University (DEN), Imperial College of Science (UK), Institut National De L Envir (FR), The University Of Exeter (UK), Universidad De Oviedo (ES), Hochschule Mainz -University of Applied Sciences (Germany), TU Bergakademie Freiberg (Germany). Ponadto w ramach współpracy stowarzyszeń zawodowych inżynierów budownictwa w krajach należących do Grupy Wyszehradzkiej: VSB - Technical University of Ostrava, TUKE - Technical University of Košice oraz University of Miskolc.
Głównym rezultatem badań planowanych w ramach grantu uczelnianego będzie przygotowany wniosek o grant krajowy, którego efektem będzie narzędzie BIM do oceny ryzyka powstania uszkodzeń i poziomu niezawodności konstrukcji w czasie rzeczywistym. Planuje się jego walidację, a następnie przygotowanie do wdrożenia.
Zakłada się również przygotowanie i złożenie 3 artykułów w czasopismach zaliczanych do pierwszego górnego decyla wg bazy Scopus, w tym co najmniej jednego opracowanego we współpracy międzynarodowej. Badania wykonane przez doktorantów będą stanowiły zasadnicze części ich rozpraw doktorskich.
Wraz z postępem prac badawczych będą ukazywać się kolejne publikacje. Pierwsze prace badawcze związane z zaproponowaną tematyką badań miały już miejsce, czego efektem są następujące publikacje:
Rusek J., Tajduś K., Firek K., Jędrzejczyk A. (2021). Score-based Bayesian belief network structure learning in damage risk modelling of mining areas building development, Journal of Cleaner Production, vol. 296, s. 1-12, DOI
Rusek J., Firek K., Słowik L. (2020). Extracting structure of Bayesian network from data in predicting the damage of prefabricated reinforced concrete buildings in mining areas, Maintenance and Reliability, vol. 22 iss. 4, s. 658–666, DOI
Jędrzejczyk A., Firek K., Rusek J. (2022). Convolutional Neural Network and Support Vector Machine for Prediction of Damage Intensity to Multi-Storey Prefabricated RC Buildings, Energies, vol. 15 iss. 13 art. no. 4736, s. 1-16. DOI
Chomacki L., Rusek J., Słowik L., (2022). Machine learning methods in damage prediction of masonry development exposed to the industrial environment of mines, Energies, vol. 15 iss. 11 art. 3958, s. 1-23. DOI
Priorytetem naszego zespołu badawczego jest realizacja założonych celów. Planujemy na bieżąco sprawdzać na ile dotychczasowe efekty prowadzą do osiągnięcia zakładanego wyniku końcowego. Wszystkie efekty będą na bieżąco publikowane w niniejszej zakładce.