Repositorio Dspace

Modelamiento predictivo secuencial para concentraciones de metano en minería subterránea de carbón vía redes neuronales recurrentes

Mostrar el registro sencillo del ítem

dc.contributor.advisor Jiménez Oyola, Samantha , Director
dc.contributor.author Añazco Toro, Carlos Alberto
dc.creator ESPOL
dc.date.accessioned 2023-07-31T16:17:44Z
dc.date.available 2023-07-31T16:17:44Z
dc.date.issued 2022
dc.identifier.citation 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 .
dc.identifier.uri http://www.dspace.espol.edu.ec/handle/123456789/57851
dc.description 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.
dc.format application/pdf
dc.format.extent 63 páginas
dc.language.iso spa
dc.publisher ESPOL
dc.rights openAccess
dc.subject Redes neuronales recurrentes
dc.subject Minería subterránea de carbón
dc.subject Sistema de alerta temprana
dc.title Modelamiento predictivo secuencial para concentraciones de metano en minería subterránea de carbón vía redes neuronales recurrentes
dc.type Ingeniero en Minas
dc.identifier.codigoespol T-70583
dc.description.city Guayaquil
dc.description.degree Escuela Superior Politécnica del Litoral


Ficheros en el ítem

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Buscar en DSpace


Búsqueda avanzada

Listar

Mi cuenta