CC BY
110
6. Конструкци будинкiв i споруд. Теплова iзоляцiя будiвель : ДБН В.2.6-31:2006 [Електронний ресурс]. - Режим доступу : http://www.dbn.at.ua.
7. Кравчуновська Т. С. Розвиток наукових основ оргашзацшно-технолопчного проектування комплексно! реконструкци житлово! забудови: дис. ... докт. техн. наук : 05.23.08 / Кравчуновська Тетяна Сергпвна. - Д., 2011. - 392 с.
8. Куденко Г. О. Перспективи енергозбереження в житлово-комунальному господарста Украши / Г. О. Куденко, Д. С. Кадермеева // Стратепчш прiоритети. - 2006. - № 1. - С. 144 - 149.
9. Октябрьский Р. Д. Энергоэффективность проектируемых зданий: учеб. пособ. / Р. Д. Октябрьский, Е. А. Старжинский, В. Н. Ильинец. - М. : ГАСИС, 2008. - 107 с.
10. Пилипенко В. М. Организационно-технологические принципы комплексной реконструкции индустриальной жилой настройки : автореф. дисс. на соиск. учен. степ. докт. техн. наук : спец. 05.23.08 «Технология и организация строительства», 05.23.03 «Теплоснабжение, вентиляция, кондиционирование воздуха, газоснабжение и освещение» / В. М. Пилипенко. - Минск, 2009. - 41 с.
11. Попова В. Энергосберегающий дом : современные решения / В. Попова // Недвижимость в движении. - Вып. 377 от 12.10.2011 г. [Электронный ресурс]. - Режим доступа : http://www.realnest.com.ua.
12. Савйовский В. В. Методологические принципы организационно-технологического проектирования реконструкции гражданских зданий : дисс. ... докт. техн. наук : 05.23.08 / Савйовский Владимир Викторович. - Харьков, 2010. - 387 с.
13. Торкатюк В. I. Удосконалення стратеги формування системи енергозбереження в бущвельнш галузi / В. I. Торкатюк, Л. Г. Бойко, М. К. Сухонос // Коммунальное хазяйство городов. - К. : Техшка, 2004. - Вып. 58. - С. 3-16.
14. Шаленний В. Т. Организационно-технологические основы формирования энергосбережения на определяющих этапах жизненного цикла гражданских зданий : дисс. ... докт. техн. наук : 05.23.08 / Шаленный Василий Тимофеевич. - Днепропетровск, 2004. - 406 с.
15. Шутенко Л. Н. Технологические основы формирования и оптимизации жизненного цикла городского жилого фонда : дисс. ... докт. техн. наук : 05.23.08 / Шутенко Леонид Николаевич. - Харьков, 2002. - 550 с.
УДК 681.3:669.046.462
ДОСЛ1ДЖЕННЯ АЛГОРИТМ1В НЕЧ1ТКО1 КЛАСТЕРИЗАЦП В ЗАДАЧАХ АНАЛ1ЗУ ЯКОСТ1 АНТРАЦИТ1В
К. Ю. НовЫова, к. т. н., доц., О. I. Михальов, д. т. н., проф., В. Л. Зубов, д. т. н., проф.
Нащональна металург1йна академ1я Украгни
Ключовi слова: кластерний анал1з, кластер, нечтка кластеризация, алгоритм fcm, субтрактивна кластеризация, центр кластера, структури антрацит1в
Вступ. Ефективним напрямом технологи, яка замщуе кокс, е використання антрациту. Використання антрациту не викликае ютотних змш основних технолопчних параметрiв процесу: продуктившсть, вихщ колошникового газу, утворення шлаку i його основшсть коливаються в межах, характерних для роботи печей. Крiм того, перевага замши коксу кам'яним вугшлям також у тому, що вш подаеться через колошник [3].
Термш «кластерний анатз» насправдi включае в себе набiр рiзних алгоритмв класифшаци. Загальне питання, що ставиться дослщниками у багатьох галузях, полягае в тому, як оргашзувати спостережуваш даш в наочш структури.
Техшка кластеризацп застосовуеться в найрiзноманiтнiших галузях. Харпгандав прекрасний огляд багатьох опублшованих дослщжень, що мютять результати, отримаш методами кластерного аналiзу.
Завдання та ц^ кластеризацп. Кластеризащя (Data clustering) - завдання машинного навчання, в якому потрiбно роздшити задану вибiрку об'екпв (ситуацш) натдмножини, яю не перетинаються. Таю шдмножини називаються кластерами. Причому дшити слщ так, щоб кожен кластер складався зi схожих об'екпв, а об'екти рiзних кластерiв ютотно вiдрiзнялися [1].
Завдання кластеризацп належить до бшьш широкого класу завдань навчання без учителя.
Типи вхщнихданих:
— ознаковий опис об'екпв. Кожен об'ект описуеться набором сво!х характеристик, яю називаються ознаками. Ознаки можуть бути числовими або нечисловими;
— матриця вщстаней мiж об'ектами. Кожен об'ект описуеться вщстанями до вше! решти навчально! вибiрки.
Цiлi кластеризации
—розумiння даних шляхом виявлення кластерно! структури. Розподiл вибiрки на групи схожих об'екпв дозволяе спростити подальшу обробку даних i прийняття рiшень, застосовуючи до кожного кластера свш метод аналiзу;
— стиснення даних. Якщо вихiдна вибiрка занадто велика, то можна скоротити !!, залишивши по одному найтиповiшому представниковi вiд кожного кластера;
— виявлення новизни. Видшяються нетиповi об'екти, яю не вдаеться приеднати до жодного з кластерiв.
Постановка завдання неч^кот кластершацп.Концептуальний взаемозв'язок мiж кластерним анатзом i теорiею нечiтких множин грунтуеться на тiй обставинi, що при розв'язанш задач структуризаци складних систем бшьшють формованих класiв об'ектiв розмит за своею природою.
Один iз варiантiв конкретизаци задачi нечiткого кластерного аналiзу, для розв'язання яко! може бути використана спещальна функцiя йст системи MATLAB, заснованийна алгоритмш розв'язання методом неч^ких с-середнiх.
Дляуточненнявиду щльово!функци у(3(А)) дорозглядувводяться деякщодатковшоняття.
Насампередпередбачаеться, щонеобхiднiнечiткiкластери являютьсобоюнечiткiмножини Ак, утворюютьнеч^кепокриттявихщно! множиниоб'екпвкластеризаци А = А, набувае такого вигляду:
X^/а,) = 1 (Уа, е А), к=1 (1)
де с - загальна кiлькiсть нечiтких кластерiв Ас}), яка вважаеться попередньо заданою (се □ и с > 1) .
Далi для кожного неч^кого кластера вводяться до розгляду так зваш типовi представники або центри Ук потрiбних нечггких кластерiв Ак(ке{2,_,с}), як розраховуються для
кожного з неч^ких кластерiв i за кожною з ознакза такою формулою:
Х(ИА(аг))т XX' =1_
ук = -^=4-- (У к е {2,...,с},Ур-е Р), (2)
де т - деякий параметр, званий експоненщальною вагою i рiвний деякому дшсному числу (т > 1). Кожен iзцентрiвкластерiвевектором Ук = (V'ук9 )в деякому q-вимiрному
нормованому просторi, iзоморфно! □ ц, тобтоу^ е □ 4, якщо вс ознаки вимiрянi у шкалi вiдносин.
Зрештою, як цшьову функцю будемо розглядати суму квадра^в зважених вiдхилень координат об'ектiв кластеризаци вщ центрiв потрiбних нечiтких кластерiв:
1(Ак,Ук9) = ±±(^ (аг))тХ(х- —у)}2, (3)
1=1 к =1 -=1
де т - експонентна вага неч^ко! кластеризаци те □ ,т > 1, значення яко! задаеться залежно вщ кшькосп елементiв (потужносп) множини А. Чим бiльше елеменлв мiстить множина А, тим менше значення вибираеться для т.
Завдання неч^кот кластеризаци. Завдання неч^ко! кластеризацi! може бути сформульоване таким чином: для заданих матриц даних В, кiлькостi нечiтких кластерiв с се □ ,с > 1 параметра т визначити матрицю и значень функцш належност об'екпв
кластеризаци а1 е А нечiтким кластерам Ак(к е{2,...,с}), яю доставляють мшмум цшьово! функци (3) i задовольняють обмеженням (1), (2), а також додатковим обмеженням (4) i (5):
£ > О (V к е {2,.,с}), (4)
¡=1
/л^1(а1) > О (Vkе {2,...,с}Уа, е А). (5)
Умова (4) виключае появу порожшх нечiтких кластерiв у потрiбнiй нечiткiй кластеризаци. Остання умова (5) мае суто формальний характер, оскшьки безпосередньо випливае з визначення функци належностi нечiтких множин. Уцьомувипадкумiнiмiзацiяцiльовоfфункцп(3) мiнiмiзуевiдхиленнявсiхоб'ектiвкластеризацпвiдцентрiвнечiткихкластерiвпропорцшнозначення мфункцiйналежностi цихоб'ектiв до вiдповiднихнечiткихкластерiв.
Оскшьки цшьова функцiя (2) не е опуклою, а обмеження (1), (2), (4), (5) у сво!й сукупностi формують неопуклi множини припустимих альтернатив, то в загальному випадку завдання нечггко! кластеризаци належить до багатоекстремальних завдань нелiнiйного програмування.
Перевагою постановки задачi неч1тко! кластеризаци у виглядi (1) - (5) е природна iнтерпретацiя як потрiбних нечiтких кластерiв, що визначаються функцiями належностi (5), таю !х типових представникiв або центрiв (2), якi також визначаються в результат розв'язання поставлено!задача
Недолiком тако! постановки задачi неч^ко! кластеризацi! е необхiднiсть апрiорного завдання загального числа нечiтких кластерiв с се □ ,с > 1, яке в окремих випадках може бути невщоме. Ця обставина може вимагати залучення додаткових процедур для И визначення або розв'язання поставлено! задачi для декiлькох значень с iз подальшим вибором найбiльш адекватного результату нечiтко! кластеризацi! [2].
Постановка завдання дослщження. Дослiдити рiвнi експертно! iнформацi! щодо якостi антрацитiв, а також роботу алгоршмв нечiтко! кластеризаци в задачах аналiзу якостi антраципв.
Дослiдження алгоритмiв неч^коТ кластеризаци в задачах аналiзу металографiчних зображень. Для анатзу якостi антрацитiв були обраш зразки електронно! мiкроскопi! зiставлено! морфологи зразюв вихiдних антрацитiв i продукпв !х модифiкацi! меланжем.
11} И«»
Рис.1. Електронномгкроскотчний зтмок зразка вихгдного таймирського антрациту
Методами електронно! мшроскопи зютавлена морфолопя зразкiв вихiдних антрацитiв i продуктiв !х модифiкацi! меланжем. Зразки вихщних антрацитiв вiзуально мало в^^зняються i представленi головним чином частками рiзних форм, переважно з гострими гранями (рис. 1). Розвинено! пористост у вихiдних антрацитiв вiзуально не спостер^аеться. Модифiкованi меланжем, а по^м термообробленi зразки антрациту (рис. 2), навпаки, володдать добре розвиненою системою пор [5].
Пюля отримання зображення ми створюемо цикл, за допомогою якого отримуемо зображення з поданням про значення кожного пiкселя. Отриманий в результат файл будемо використовувати для подальшого дослiдження, тому що даш для кластеризацi! повиннi бути наведеш у виглядi матрицi чисел.
Наступним кроком дослщження е визначення цен^в кластеризаци, для цього застосовуеться функщя Рст, яка виконуетьсяiтерацiйно доти, поки змши цiльово! функцi! перевищують деякий заданий порiг. На кожному крощв командному вiкнi виводяться
порядковий номер тераци i вiдповiдне поточне значення цшьово! функцi!. Якщо пiсля запису функци &т у другому рядку не ставити крапку зкомою (;), то у вшш команд будуть показаш значення координат центрiв неч^ких кластерiв, значення функцiй при належносп об'ектiвнечiтким кластерам i значення цшьово! функци на кожнш з терацш роботи алгоритму БСМ.
Рис. 2. Електронном!кроскотчт зтмки модифжованих меланжем, а пот1м термооброблених зразках таймирського (а) та товайського (б) антрацит1в
Для оцшки динамши змши значень цшьово! функци використовуемо команду побудови графша р1о^о^_&п).
Далi визначаемо максимальний стутнь приналежностi окремого елемента даних кластеру.
Результат розв'язання задачi нечiтко! кластеризаци для чотирьох нечiтких кластерiв iз використанням зазначено! послiдовностi команд може бути вiзуалiзований та представлений множини даних, що пiдлягають кластеризацi! зi знайденими центрами кластерiв. Вiзуалiзацiя спрощуе завдання експерта з аналiзу зображень та зменшуе ймовiрнiсть помилки.
У процес виконання дослiдження було виявлено, що для аналiзу кольорових зображень неможливо застосувати алгоритм субтрактивно! кластеризаци, тому що вхщна матриця даних повинна мати розмiр п х 2 , далi дослiдження проводились вже для чорно-бших зображень.
Для того щоб зображення подати в потрiбному форматi для подальшого дослщження, використовуючи алгоритм субтрактивно! кластеризацi!, було написано М-файл сопуей.т, який присвоюе чорному кольору - нуль, а бшому - одиницю.
У разi вiдсутностi будь-яких апрiорних припущень щодо кiлькостi нечiтких кластерiв можна використовувати функщю командного рядка subclust. У результат виконання цього фрагмента команд будуть одержат значення матриц цен^в кластерiв i вектора а -значень [2].
Висновки. Система МА^АВ дозволяе розв'язувати задачi нечiтко! кластеризацi! двома способами: алгоритм FCM; алгоритм субтрактивно! неч^ко! кластеризацi!. Результати нечiтко! кластеризаци мають наближений характер i можуть служити лише для попередньо! структуризаци iнформацi!, що мiститься в множит вихщних даних. Розв'язуючи задачi неч^ко! кластеризацi!, потрiбно пам'ятати про особливост та обмеження процесу вимiрювання ознак у сукупносп об'ектiв кластеризацi!.
Оскшьки нечiткi кластери формуються на основi евклiдово! метрики, вiдповiдний простiр ознак мае задовольняти аксiомам метричного простору. У той же час для пошуку закономiрностей в проблемнiй обласи, що мають не метричний характер, необхщно використовувати спецiальнi засоби та шструментарш, розробленi для iнтелектуального аналiзу даних.
Алгоритми нечiтко! кластеризацi! дозволяють розбити дослщжуваш об'екти на нечiткi кластери, а неч^ю кластери, у свою чергу, можуть бути вiзуалiзованi шляхом управлшня рiвнем яскравостi вiдповiдних кольорiв, аналогiчним функцi! приналежностi. Вiзуалiзацiя спрощуе завдання експерта з аналiзу зображень i зменшуе ймовiрнiсть помилки.
ВИКОРИСТАНА Л1ТЕРАТУРА
1. Классификация и кластер / Под ред. Дж. Вэн Райзина. - М.: Мир, 1980. - 392 с.
2. Леоненков А. В. Нечеткое моделирование в среде МА^АВ и fuzzyTECH. - СПб. : БХВ. - Петербург, 2003. - 736 с.
3. Мандель Н. Д. Кластерный анализ. - М. : Финансы и статистика, 1988. - 176 с.
4. Новжова К. Ю., Михальов О. I. Дослщження алгоритмв неч^ко! кластеризацi! в задачах аналiзу металографiчних зображень // Системные технологии. Регионал. межвуз. сб. науч. раб. - Вып. 6 (77). - Д. 2011.
5. Фетисова О. Ю. Синтез и свойства пористых углеродных материалов из природных графитов и антрацитов. : Автореф. дис. канд. хим. наук. - Красноярск, 2012. - 21 с.
УДК 621.868.27
ОРГАШЗАЦШНО-ТЕХНОЛОГ1ЧШ Р1ШЕННЯ РОЗБИРАННЯ ПОШКОДЖЕНИХ ТА РЕКОНСТРУЙОВАНИХ СПОРУД ТА БУД1ВЕЛЬ
С. В. Шатов, к. т. н., доц.
Ключовi слова: техногент аварИ', стихтт лиха, пошкоджеш споруди та буд1вл1, розбирання споруд, реконструкщя, засоби мехамзацИ
Проблема. В Укра!ш щорiчно вщбуваеться понад 300 надзвичайних ситуацш техногенного та природного характеру [10]. Матерiальнi збитки, завдаш надзвичайними ситуащями за останш 11 роюв, оцшюються в 12 млрд гривень.Техногенш катастрофи, аварп та стихшш лиха спричинюють пошкодження або руйнування споруд та будiвель. Пiд завалами зруйнованих об'ектiв та в пошкоджених спорудах можуть знаходитися потерпiлi. Розбирання завалiв та будiвель або !х вiдновлення виконуеться машинами та мехашзмами, якi не вiдповiдають вимогам цих робгг. Це зумовлюе виконання робгг за недосконалими технологiчними схемами, особливо коли пошкоджеш частини будiвель мають значш розмiри та перебувають у нестшкому станi.
При реконструкцi! споруд та будiвель, коли виникае необхщшсть розбирання !х частин, також виникае потреба у рацюнальнш органiзацi! робгг iз використанням ефективних машин.
Аналiз публiкацiй. Проявами техногенних катастроф та аварш е вибухи газу, пожеж^ руйнування мереж водопостачання та канатзацп [1 - 5; 10; 11]. До стихшних лих вiдносять землетруси, урагани, зсуви грунту та повеш. Анатз вiдновних робiт у Вiрменi! (1989 р.), Днiпропетровську (2007 р.), Свпатори (2008 р.), Луганську (2009 р.) показав, що до них входять розбирання заватв, руйнування або вщновлення пошкоджених конструкцiй споруд та будiвель, навантаження й вивезення продукпв розбирання завалiв [1; 3; 5]. При розбиранш завалiв, коли необхщно прибрати частину уламкiв для витягання людей, почергово використовувалась вантажопiдйомна техшка (крани з гаковою пiдвiскою або захватом) для шдйому великих уламюв та екскаватори або навантажувачi з ковшем. Подрiбнення великих уламкiв виконувалось гiдромолотом на базi екскаватора або цю роботу виконували рятiвники з мехашзованим iнструментом. Уламки iз завалу навантажують у транспортш засоби, або перемщують екскаватором та автокраном у майданчики - вiдвали (склади). Потм автокран та екскаватор мiняються мюцями i виконують розбирання решти завалу. До недолшв вiдомо! технологi! робгг вiдносять те, що вона не забезпечуе ефективного розбирання нестшких елеменпв будiвель шляхом !х вилучення без падшня уламкiв.
Метою дослiджень е розробка оргашзацшно-технолопчних рiшень розбирання пошкоджених та реконструйованих споруд та бущвель iз використанням нових типiв машин та !х робочого обладнання.
Результати дослщження. При розбираннi пошкоджених споруд та будiвель або при !х реконструкцi! використовують екскаватори iз ковшами та пдроножицями (рис. 1), самохщш крани та механiзований iнструмент. Це дозволяе розбирати частини будiвель, схоплювати та шдшмати уламки конструкцiй на вщсташ. При реконструкцiйних роботах у центральнш частинi Днiпропетровська виконувалось розбирання старих будiвель магазину «Дитячий свт> та готелю «Центральний». Будiвельнi частини цих споруд мали цегельну кладку стш та залiзобетонi перекриття i перемички (рис. 1, а). Основш технологiчнi операцi! були пов'язанi з послщовним розбиранням кожного поверху екскаваторами з рiзними типами гiдроножиць та довжиною стрш (рис. 1, в, г). Уламки поверхiв падали або перемщувалися гiдроножицями пiд будiвлi, тому у зош дi! цих екскаваторiв iншi роботи не виконувалися. Екскаватор iз великогабаритною стрiлою для розбирання верхшх поверх1в мав кабiну, яка могла мiняти кут нахилу, що значно полшшувало умови роботи машишста - вiдпала необхiднiсть машинiсту
