Avanzando en la Predicción y Evaluación de la Vibración del Suelo Inducida por Explosiones Utilizando Aprendizaje Profundo en Conjunto con Evaluación de Incertidumbre
Autores: Bozkurt Keser, Sinem; Yavuz, Mahmut; Erten, Gamze Erdogan
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Avanzando en la Predicción y Evaluación de la Vibración del Suelo Inducida por Explosiones Utilizando Aprendizaje Profundo en Conjunto con Evaluación de Incertidumbre
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Ciencias de la Tierra y Geología
Palabras clave
Vibración del suelo
Operaciones de voladura
Incertidumbre en la predicción
Modelo de conjunto profundo
Protección ambiental
Desarrollo sostenible
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 13
Citaciones: Sin citaciones
La vibración del suelo es uno de los problemas ambientales más peligrosos asociados con las operaciones de voladura en la minería. Por lo tanto, la predicción precisa y el control de la vibración del suelo inducida por la voladura son imperativos para la protección ambiental y el desarrollo sostenible. Los enfoques empíricos dan resultados inexactos, como se evidencia en la literatura. Por ello, numerosos investigadores han comenzado a utilizar enfoques de computación suave de rápido crecimiento que son satisfactorios en el rendimiento de predicción. Sin embargo, lograr un alto rendimiento de predicción y detectar la incertidumbre de la predicción es crucial, especialmente en las operaciones de voladura. Este estudio tiene como objetivo proponer un modelo de conjunto profundo para predecir la vibración del suelo inducida por la voladura y cuantificar la incertidumbre de la predicción, que generalmente no se aborda. Este estudio utilizó 200 datos publicados de diez canteras de granito en las áreas de Ibadan y Abeokuta, Nigeria. Se aplicó la ecuación empírica (enfoque basado en la Oficina de Minas de los Estados Unidos) para la comparación. La comparación de los modelos demostró que el modelo de conjunto profundo propuesto logró un rendimiento superior, ofreciendo predicciones más precisas y una cuantificación de incertidumbre más confiable. Específicamente, exhibió el error cuadrático medio más bajo (22.674), la log-verosimilitud negativa (4.44) y el ancho del intervalo de predicción medio (1.769), junto con el valor más alto (0.77) y la probabilidad de cobertura del intervalo de predicción (0.95). El modelo de conjunto profundo alcanzó la cobertura deseada del 95%, demostrando que la incertidumbre no fue subestimada ni sobreestimada.
Descripción
La vibración del suelo es uno de los problemas ambientales más peligrosos asociados con las operaciones de voladura en la minería. Por lo tanto, la predicción precisa y el control de la vibración del suelo inducida por la voladura son imperativos para la protección ambiental y el desarrollo sostenible. Los enfoques empíricos dan resultados inexactos, como se evidencia en la literatura. Por ello, numerosos investigadores han comenzado a utilizar enfoques de computación suave de rápido crecimiento que son satisfactorios en el rendimiento de predicción. Sin embargo, lograr un alto rendimiento de predicción y detectar la incertidumbre de la predicción es crucial, especialmente en las operaciones de voladura. Este estudio tiene como objetivo proponer un modelo de conjunto profundo para predecir la vibración del suelo inducida por la voladura y cuantificar la incertidumbre de la predicción, que generalmente no se aborda. Este estudio utilizó 200 datos publicados de diez canteras de granito en las áreas de Ibadan y Abeokuta, Nigeria. Se aplicó la ecuación empírica (enfoque basado en la Oficina de Minas de los Estados Unidos) para la comparación. La comparación de los modelos demostró que el modelo de conjunto profundo propuesto logró un rendimiento superior, ofreciendo predicciones más precisas y una cuantificación de incertidumbre más confiable. Específicamente, exhibió el error cuadrático medio más bajo (22.674), la log-verosimilitud negativa (4.44) y el ancho del intervalo de predicción medio (1.769), junto con el valor más alto (0.77) y la probabilidad de cobertura del intervalo de predicción (0.95). El modelo de conjunto profundo alcanzó la cobertura deseada del 95%, demostrando que la incertidumbre no fue subestimada ni sobreestimada.