Resumen

Para extraer energía mineral geológica y estudiar la clasificación de la energía mineral geológica, se propuso un método basado en un sensor inalámbrico. Se revisan y discuten los efectos prácticos de la aplicación del modelo de regresión logística, redes neuronales artificiales, bosques aleatorios y los principales algoritmos de sensor inalámbrico de máquina de vectores de soporte (SVM) en la predicción de recursos minerales energéticos, así como la aplicación práctica en el proceso de selección de muestras, los puntos incorrectos existentes en el costo, la evaluación de incertidumbre y la evaluación de rendimiento del modelo utilizando el algoritmo de sensor inalámbrico. Se calcula la distribución de probabilidad de mineralización en el área de estudio utilizando el algoritmo de bosque aleatorio, y se delimitan cinco áreas potenciales de prospección. Los resultados muestran que la proporción de unidad con mineral y unidad sin mineral es de 1:1, y se obtiene el mejor modelo de entrenamiento de bosque aleatorio

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Energía mineral geológica; Sensor inalámbrico; Bosque aleatorio; Máquina de vectores de soporte; Predicción de recursos minerales; Precisión de entrenamiento
• Keywords:Geological mineral energy; Wireless sensor; Random forest; Support vector machine; Mineral resource prediction; Training accuracy