مقایسه عملکرد شبکه عصبی و رگرسیون خطی در پیش بینی منابع مورد نیاز مطالعه موردی در صنعت معدن گچ سمنان

در این مقاله، عملکرد دو مدل مختلف هوش مصنوعی، شامل شبکه های عصبی و رگرسیون خطی، در پیش بینی مقادیر و منابع مورد نیاز در صنعت معدن گچ استان سمنان مورد بررسی قرار گرفته است. از اطلاعات موجود در دیتاست شامل عمق معدن، سختی سنگ، نوع تجهیزات، میزان تولید و نوع سنگ برای آموزش مدل های هوش مصنوعی استفاده شده است. نتایج نشان دادند که مدل شبکه عصبی نسبت به رگرسیون خطی دقت بیشتری در پیش بینی منابع مورد نیاز دارد. این تحلیل ها می توانند به بهبود فرایندهای استخراج و بهره وری در صنعت معدن کمک کنند و به تصمیم گیری های مدیریتی و سیاستگذاری موثرتر در این زمینه کمک نمایند.

کلیدواژه ها:

شبکه عصبی ، رگرسیون خطی ، معدن گچ ، پیش بینی منابع مورد نیاز ، عملکرد مدل ها