Comparación de modelos empíricos tradicionales contra modelos predictivos de Machine Learning para la estimación de velocidad pico partícula en voladuras de cielo abierto

dc.contributor.advisorSulla Torres, José Alfredo
dc.contributor.authorValdivia Salazar, Roger Alonso
dc.date.accessioned2023-02-15T14:56:59Z
dc.date.available2023-02-15T14:56:59Z
dc.date.issued2022-12-05
dc.description.abstractEl 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.es_ES
dc.description.uriTesises_ES
dc.formatapplication/pdfes_ES
dc.identifier.urihttps://repositorio.ucsm.edu.pe/handle/20.500.12920/12338
dc.language.isospaes_ES
dc.publisherUniversidad Católica de Santa Maríaes_ES
dc.publisher.countryPEes_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/es_ES
dc.sourceUniversidad Católica de Santa Maríaes_ES
dc.sourceRepositorio de la Universidad Católica de Santa María - UCSMes_ES
dc.subjectMineríaes_ES
dc.subjectVoladuraes_ES
dc.subjectVelocidad pico partículaes_ES
dc.subjectModelamiento predictivoes_ES
dc.subjectMachine Learninges_ES
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#1.02.01es_ES
dc.titleComparación de modelos empíricos tradicionales contra modelos predictivos de Machine Learning para la estimación de velocidad pico partícula en voladuras de cielo abiertoes_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
dc.type.versioninfo:eu-repo/semantics/publishedVersiones_ES
renati.advisor.dni29612305
renati.advisor.orcid0000-0001-5129-430Xes_ES
renati.author.dni70765739
renati.discipline724026es_ES
renati.jurorCalderon Ruiz, Guillermo Enriquees_ES
renati.jurorLopez Casaperalta, Patricia Yanethes_ES
renati.jurorDelgado Ponce, Maria Azucenaes_ES
renati.levelhttps://purl.org/pe-repo/renati/nivel#tituloProfesionales_ES
renati.typehttps://purl.org/pe-repo/renati/type#tesises_ES
thesis.degree.disciplineIngeniería de Minases_ES
thesis.degree.grantorUniversidad Católica de Santa María.Facultad de Ciencias e Ingenierías Físicas y Formaleses_ES
thesis.degree.levelTítulo Profesionales_ES
thesis.degree.nameIngeniero de Minases_ES

Files

Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
4F.0028.MI.pdf
Size:
3.15 MB
Format:
Adobe Portable Document Format
Description:
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: