مقایسه عملکرد شبکه عصبی و رگرسیون خطی در پیش بینی منابع مورد نیاز مطالعه موردی در صنعت معدن گچ سمنان
- سال انتشار: 1403
- محل انتشار: اولین کنفرانس فرصت ها و چالش های هوش مصنوعی و فناوری های نوین در صنعت و معدن
- کد COI اختصاصی: AITIM01_014
- زبان مقاله: فارسی
- تعداد مشاهده: 92
نویسندگان
مربی ، گروه کامپیوتر، دانشگاه فنی و حرفه ای ،سمنان
مربی ، گروه کامپیوتر، دانشگاه فنی و حرفه ای ،سمنان
چکیده
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 هامقالات مرتبط جدید
- پتانسیل کانیزایی و تشکیل بوکسیت در برگه علیآباد شمال استان سمنان
- کاربرد تلفیق تصاویر اپتیکال و راداری در بارزسازی سنگهای دگرسان شده و اکتشاف کانسارهای معدنی: مطالعات موردی از مصر، اندونزی و ایران
- شناسایی تاثیر لاگ های ژئو فیزیکی دراکتشافات نفت با تاکید بر چالش های تولید نفت در آب های عمیق تضمین جریان
- مروری بر مهندسی محیط زیست، توسعه پایدار، تجارت بین الملل و مدیریت منابع
- نقش هوش مصنوعی در ارتقای بهرهوری صنعت سنگ های ساختمانی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.