Biblioteca122.739 documentos en línea

Artículo

Application of Gradient Boosting Machine Learning Algorithms to Predict Uniaxial Compressive Strength of Soft Sedimentary Rocks at Thar CoalfieldAplicación de algoritmos de aprendizaje automático de aumento de gradiente para predecir la resistencia a la compresión uniaxial de rocas sedimentarias blandas en el yacimiento de carbón de Thar.

Resumen

La resistencia a la compresión uniaxial (UCS) de la roca es uno de los datos esenciales en la planificación y diseño de ingeniería. Probar correctamente la UCS de la roca para garantizar su precisión y autenticidad es un requisito previo para asegurar el diseño de cualquier proyecto de ingeniería de rocas. La UCS de la roca tiene una amplia gama de aplicaciones en minería, geotécnica, petróleo, geomecánica y otros campos de la ingeniería. La aplicación de los algoritmos de aprendizaje automático de aumento de gradiente ha sido raramente utilizada, especialmente para la predicción de UCS, y ha tenido un buen rendimiento, según la literatura relevante del estudio. En este estudio, se desarrollaron cuatro algoritmos de aprendizaje automático de aumento de gradiente, a saber, regresión de aumento de gradiente (GBR), Catboost, máquina de aumento de gradiente ligero (LightGBM) y aumento de gradiente extremo (XGBoost), para predecir la UCS en MPa de rocas sediment

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento