Comparación de modelos empíricos tradicionales contra modelos predictivos de Machine Learning para la estimación de velocidad pico partícula en voladuras de cielo abierto
Loading...
Date
2022-12-05
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Católica de Santa María
Abstract
El presente estudio busca realizar una comparación objetiva y cuantitativa de modelos
empíricos tradicionales contra modelos predictivos de Machine Learning para la estimación de
Velocidad Pico Partícula en voladuras de operaciones mineras a cielo abierto. Para ello se
seleccionó 5 formulaciones convencionales y 6 modelos predictivos desarrollados en base a
algoritmos de Machine Learning; se desarrolló un script en lenguaje de programación Python
para entrenar y optimizar cada uno de estos modelos con la finalidad de estimar que tan bien
pueden predecir los valores esperados de Velocidad Pico Partícula; y finalmente compararlos
en base a métricas de desempeño. Para el presente estudio se escogieron dos métricas de
desempeño, siendo estas el Coeficiente de Determinación (R2) y la Raíz del Error Cuadrático
Medio (RMSE). Tras la obtención y análisis de resultados, se concluyó que el modelo
desarrollado en base a Redes Neuronales Artificiales fue el que mejores métricas obtuvo, con
un valor de RMSE de 11,54 unidades y un valor de coeficiente de determinación (R2) igual a
0,88. Por otra parte, dentro de los modelos desarrollados mediante formulaciones empíricas, el
que mejores métricas entregó fue el de Rai & Singh (2004); con un valor de RMSE de 20,65
unidades y un coeficiente de determinación (R2) de 0,61. En líneas generales, los modelos
desarrollados en base a algoritmos de Machine Learning entregan mejores métricas de
desempeño comparados respecto a los modelos desarrollados en base a formulaciones
empíricas; representando así, una mejor opción en la tarea de predecir valores de Velocidad
Pico Partícula.
Description
Keywords
Minería, Voladura, Velocidad pico partícula, Modelamiento predictivo, Machine Learning