1. DSpace en ESPOL
2. Unidades Académicas
3. Facultad de Ingeniería en Ciencias de la Tierra
4. Tesis de Minas

Título :	Modelamiento predictivo secuencial para concentraciones de metano en minería subterránea de carbón vía redes neuronales recurrentes
Autor :	Jiménez Oyola, Samantha , Director Añazco Toro, Carlos Alberto
Palabras clave :	Redes neuronales recurrentes Minería subterránea de carbón Sistema de alerta temprana
Fecha de publicación :	2022
Editorial :	ESPOL
Citación :	Añazco Toro, C. A. (2022). Modelamiento predictivo secuencial para concentraciones de metano en minería subterránea de carbón vía redes neuronales recurrentes. [Proyecto Integrador]. ESPOL. FICT .
Descripción :	El modelamiento predictivo y su uso en distintos campos de la investigación ha optimizado los procesos ingenieriles en la minería y otras industrias. El objetivo de este proyecto es implementar un modelo predictivo capaz de evaluar y predecir la concentración de metano en labores mineras subterráneas de carbón, además de identificar las condiciones internas de la mina que puedan favorecer la acumulación de gas metano en los frentes de trabajo. Para este propósito, se utilizó el lenguaje de programación Python, con la finalidad de optimizar el preprocesamiento de los datos y eliminar anomalías en la data. La evaluación y mejora continua del modelo se realizó por funciones internas de programación. La arquitectura de la red neuronal procesó la información de 34 variables de entrada y predijo series temporales de 3 sensores objetivos que captaron altas concentraciones de metano. Se encontró que los modelos neuronales bidireccionales aplicados en este estudio arrojaron excelentes resultados en comparación con las redes recurrentes normales. Se comparó los valores reales con los valores obtenidos por el modelo, observando una correlación de exactitud del 99.50%. En este sentido, el modelo de predicción que mejor se adapta a la data obtenida en el interior de mina es el BILSTM.
URI :	http://www.dspace.espol.edu.ec/handle/123456789/57851
Aparece en las colecciones:	Tesis de Minas

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.