Próba prognozowania przyrodniczych skutków deformacji powierzchni przy użyciu neuronowego klasyfikatora wielowarstwowego

Subiektywizm ocen jest jedną z bardziej uciążliwych składników prognozowania i szacowania przyrodniczych skutków eksploatacji górniczej. Jego wyeliminowanie jest możliwe pod warunkiem zastosowania procedur w miarę możliwości abstrahujących od teoretycznych modeli oceny. W pracy zaprezentowano próbę wykorzystania do celów prognozowania wielowarstwowej sieci neuronowej. Struktura sieci obejmowała 71 jednostek wejściowych, 20 neuronów w warstwie ukrytej i 8 w warstwie wyjściowej. Zmniejszenie liczby jednostek powodowało zmniejszenie zdolności klasyfikacyjnych sieci, zaś rozbudowa nie poprawiała jej właściwości. Błędy klasyfikacji dotyczyły jednostek glebowych o zbliżonych właściwościach i nie miały cech wykluczających użyteczność postępowania. Użycie struktury sieci z prognozowanymi danymi dotyczącymi zmienionej morfologii terenu pozwoliło na wskazanie rejonów, w których należy oczekiwać przekształceń mających charakter negatywny jak i ze znamionami poprawy. Atrakcyjną cechą takiego postępowania jest uniknięcie kłopotliwych i niepewnych analiz zmian morfologii terenu. Istnieje potrzeba uzupełnienia pakietów GIS o moduły prognozowania przekształceń gleb wykorzystujących algorytm sieci neuronowych.

---

The subjectivism of evaluation is one of the most noxious elements of prognosis and evaluation of mining exploitation naturalistic effects. Its elimination is possible on one condition, the application of procedures omitting, as possible theoretical evaluation models. In the publication there is presented an attempt of application, for purposes, the multilayer neuron net. The net structure included 71 input units, 20 units in hidden layer and 8 in output layer. The decrease of the amount of units caused the decrease of net's classification abilities, whereas the increase did not improve its properties. Classification mistakes were among soil units, of nearing properties and did not have features excluding the usability of procedure. The application of net structure together with prognosis data about the changed morphology of the terrain enables us to point out the regions, in which there should be expected transformations, which have as well negative character, as character of improvement. The most attractive moment of such procedure is the avoidance of troublesome and uncertain analysis of changes of terrains morphology. There is a need to complete the GIS pack, by prognosis of soil transforamtions modules, using algorithm of neurons nets.