文献

J-GLOBAL ID：202202273580874881   整理番号：22A0970028

地球統計学的シミュレーションを用いて訓練された単純な機械学習技術による多変量堆積物での回収可能資源不確実性の評価【JST・京大機械翻訳】

Assessment of Recoverable Resource Uncertainty in Multivariate Deposits Through a Simple Machine Learning Technique Trained Using Geostatistical Simulations

著者 (3件)： Mery Nadia (Department of Civil, Geological and Mining Engineering, Polytechnique Montreal, Montreal, QC, Canada) ,  Mery Nadia (Department of Mining Engineering, University of Chile, Santiago, Chile) ,  Marcotte Denis (Department of Civil, Geological and Mining Engineering, Polytechnique Montreal, Montreal, QC, Canada)
資料名： Natural Resources Research  (Natural Resources Research)
巻： 31  号： 2  ページ： 767-783  発行年： 2022年 
JST資料番号： W0688A  ISSN： 1520-7439  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 鉱山設計,鉱山生産計画および多変量鉱床の経済評価は,選択採掘ユニットの等級にカットオフを適用した後に回復可能な鉱物資源に基づいている。1つ以上の元素の回収可能な資源不確実性を確実に評価することは,採掘プロジェクトの経済評価にとって重要である。多変量地球統計学的モデルは,適合し,報告された資源に強く影響するのは難しい。提案手法は,データから抽出した特徴の縮小集合から,多変量トン数とそれらの関連信頼区間を直接推定することにより,繊細なモデリングステップを回避する。予測モデルを,条件付きシミュレーションによる訓練によって得た。訓練フェーズで考慮された各事例に対して,共地域化パラメータは,指定間隔内でランダムに引き出され,複数の実現は,シミュレートしたデータセットに条件付きの堆積物を得ることを可能にする。模擬データセットから計算された入力変数と模擬堆積物から計算した出力変数(すなわち平均トン数およびトン数分位数)を関連づける予測モデルを生成するために,入力-出力データを用いて多重線形回帰訓練を行った。合成二変量ケースの結果は,優れたトン数予測と信頼できる不確実性定量化を示した。最大シリカ/マグネシア比の制約を受けるラテライトニッケル鉱床は,実世界の文脈でこの手法の適用性を示す。結果として生じるトン数表面および関連する不確実性の定量化は,鉱山プロジェクトの経済価値の評価を助けるための必須ツールを提供する。Copyright International Association for Mathematical Geosciences 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *シミュレーション ,  生産計画 ,  *不確実性 ,  酸化マグネシウム ,  二酸化ケイ素 ,  ラテライト ,  鉱床 ,  *堆積物 ,  モデリング ,  鉱山 ,  採掘 ,  モデル ,  *機械学習 ,  予測モデル
準シソーラス用語： 経済性評価 , 【Automatic Indexing@JST】

著者キーワード (6件)： 回収可能な資源 ,  資源の不確実性 ,  データ駆動技術 ,  多変量モデリング ,  トナー表面 ,  機械学習

分類 (1件)： 鉱山評価  (UA02030P)

タイトルに関連する用語 (9件)： 地球統計学 ,  シミュレーション ,  訓練 ,  機械学習技術 ,  多変量 ,  堆積物 ,  資源 ,  不確実性 ,  評価