{rfName}
Ar

Indexat a

Llicència i ús

Citacions

16

Altmetrics

Anàlisi d'autories institucional

Li EAutor o coautor

Compartir

Publicacions
>
Article

Artificial Neural Network Modeling as an Approach to Limestone Blast Production Rate Prediction: a Comparison of PI-BANN and MVR Models

Publicat a:Journal Of Mining And Environment. 14 (2): 375-388 - 2023-01-01 14(2), DOI: 10.22044/jme.2023.12489.2266

Autors: Taiwo, BO; Gebretsadik, A; Fissha, Y; Kide, Y; Li, EM; Haile, K; Oni, OA

Afiliacions

Resum

Rock blast production rate (BPR) is one of the most crucial factors in the evaluation of mine project's performance. In order to improve the production of a limestone mine, the blast design parameters and image analysis results are used in this work to evaluate the BPR. Additionally, the effect of rock strength on BPR is determined using the blast result collected. In order to model BPR prediction using artificial neural networks (ANNs) and multivariate prediction techniques, a total of 219 datasets with 8 blasting influential parameters from limestone mine blasting in India are collected. To obtain a high-accuracy model, a new training process called the permutation important-based Bayesian (PI-BANN) training approach is proposed in this work. The developed models are validated with new 20 blast rounds, and evaluated with two model performance indices. The validation result shows that the two model results agree well with the BPR practical records. Additionally, compared to the MVR model, the proposed PI-BANN model in this work provides a more accurate result. Based on the controllable parameters, the two models can be used to predict BPR in a variety of rock excavation techniques. The study result reveals that rock strength variation affects both the blast outcome (BPR) and the quantity of explosives used in each blast round.

Paraules clau

algorithmannartificial neural networkblasting improvementmachine learningmodel prediction evaluationoptimizationpermutation important-basedregression-analysisrock fragmentationsarcheshmeh copper minesimulationArtificial neural networkBlasting improvementMachine learningMean particle-sizeModel prediction evaluationPermutation important-basedRock fragmentation

Indicis de qualitat

Impacte bibliomètric. Anàlisi de la contribució i canal de difusió

El treball ha estat publicat a la revista Journal Of Mining And Environment, i encara que la revista està classificada al quartil Q3 (Agencia WoS (JCR)), el seu enfocament regional i la seva especialització en Mining & Mineral Processing, li atorguen un reconeixement prou significatiu en un nínxol concret del coneixement científic a nivell internacional.

Des d'una perspectiva relativa, i tenint en compte l'indicador de impacte normalitzat calculat a partir de les Citacions Mundials proporcionades per WoS (ESI, Clarivate), proporciona un valor per a la normalització de citacions relatives a la taxa de citació esperada de: 1.49. Això indica que, comparat amb treballs en la mateixa disciplina i en el mateix any de publicació, el situa com un treball citat per sobre de la mitjana. (font consultada: ESI 14 Nov 2024)

Aquesta informació es reforça amb altres indicadors del mateix tipus, que encara que dinàmics en el temps i dependents del conjunt de citacions mitjanes mundials en el moment del seu càlcul, coincideixen a posicionar en algun moment el treball, entre el 50% més citats dins de la seva temàtica:

  • Mitjana Ponderada de l'Impacte Normalitzat de l'agència Scopus: 2.13 (font consultada: FECYT Febr 2024)

Concretament, i atenent a les diferents agències d'indexació, aquest treball ha acumulat, fins a la data 2025-06-03, el següent nombre de cites:

  • WoS: 6
  • Scopus: 10

Impacte i visibilitat social

Des de la dimensió d'influència o adopció social, i prenent com a base les mètriques associades a les mencions i interaccions proporcionades per agències especialitzades en el càlcul de les denominades "Mètriques Alternatives o Socials", podem destacar a data 2025-06-03:

  • L'ús d'aquesta aportació en marcadors, bifurcacions de codi, afegits a llistes de favorits per a una lectura recurrent, així com visualitzacions generals, indica que algú està fent servir la publicació com a base del seu treball actual. Això pot ser un indicador destacat de futures cites més formals i acadèmiques. Aquesta afirmació està avalada pel resultat de l'indicador "Capture", que aporta un total de: 20 (PlumX).

Anàlisi del lideratge dels autors institucionals

Aquest treball s'ha realitzat amb col·laboració internacional, concretament amb investigadors de: China; Ethiopia; Japan; Niger; Nigeria.