پردازش سنگ معدن مدولار

شبکه عصبی عمیق برای پیش بینی تولید سنگ معدن توسط سیستم‌های حمل و

مقدمهمنطقه مطالعهروش‌هانتایجبحث و گفتگونتیجه‌گیریالف) ارزیابی تجربی مدل‌های DNN آموزش دیدهشکل 9 روند مشاهده شده در مقادیر میانگین محاسبه‌شده R2 و MAPE را نشان می‌دهد که در طی 5 در 5 اعتبارسنجی متقابل نشان می‌دهد که مدل‌های DNN پیش‌بینی صبح و بعدازظهر، مطابق با تغییرات در شرایط لایه پنهان، به‌دست آمده‌اند. همانطور که مشاهده می‌شود، مقدار متوسط R2 برای داده‌های اعتبار سنجی برابر با 0.99 با افزایش تعداد گره‌های لایه پنهان، صرف نظر از تعداد لایه‌های پنهان است. مقادیر Mب) استنتاج با استفاده از مدل‌های DNN بهینهبا استفاده از مدل‌های DNN بهینه صبح و بعدازظهر، تخمین تولید سنگ معدن به مدت پنج روز در هفته دوم فوریه 2019 به دست آمد. نتایج در شکل 11 نشان داده شده است. جدول 10 مقادیر خطای پیش بینی برای تولید سنگ معدن را بر اساس تاریخ فهرست می‌کند. در خصوص تولید سنگ صبحگاهی، در مقایسه با مقادیر واقعی، پیش‌بینی‌های تولید سنگ معدن به ترتیب در 9، 11، 12 و 14 فوریه 2019 به ترتیب 14.96، 在mining-eng.ir上5/5