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

Añazco Toro, Carlos Alberto

DSpace Principal
→
Unidades Académicas
→
Facultad de Ingeniería en Ciencias de la Tierra
→
Tesis de Minas
→
Ver 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