Look-up in Google Scholar
Title: Comparación de modelos empíricos tradicionales contra modelos predictivos de Machine Learning para la estimación de velocidad pico partícula en voladuras de cielo abierto
Advisor(s): Sulla Torres, José Alfredo
OCDE field: https://purl.org/pe-repo/ocde/ford#1.02.01
Issue Date: 5-Dec-2022
Institution: 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.
Discipline: Ingeniería de Minas
Grade or title grantor: Universidad Católica de Santa María.Facultad de Ciencias e Ingenierías Físicas y Formales
Grade or title: Ingeniero de Minas
Juror: Calderon Ruiz, Guillermo Enrique; Lopez Casaperalta, Patricia Yaneth; Delgado Ponce, Maria Azucena
Register date: 15-Feb-2023



This item is licensed under a Creative Commons License Creative Commons