{rfName}
Ar

Indexado en

Licencia y uso

Citaciones

16

Altmetrics

Análisis de autorías institucional

Li EAutor o Coautor

Compartir

Publicaciones
>
Artículo

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

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

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

Afiliaciones

Resumen

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.

Palabras clave

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

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Journal Of Mining And Environment, y aunque la revista se encuentra clasificada en el cuartil Q3 (Agencia WoS (JCR)), su enfoque regional y su especialización en Mining & Mineral Processing, le otorgan un reconocimiento lo suficientemente significativo en un nicho concreto del conocimiento científico a nivel internacional.

Desde una perspectiva relativa, y atendiendo al indicador del impacto normalizado calculado a partir de las Citas Mundiales proporcionadas por WoS (ESI, Clarivate), arroja un valor para la normalización de citas relativas a la tasa de citación esperada de: 1.49. Esto indica que, de manera comparada con trabajos en la misma disciplina y en el mismo año de publicación, lo ubica como trabajo citado por encima de la media. (fuente consultada: ESI 14 Nov 2024)

Esta información viene reforzada por otros indicadores del mismo tipo, que aunque dinámicos en el tiempo y dependientes del conjunto de citaciones medias mundiales en el momento de su cálculo, coinciden en posicionar en algún momento al trabajo, entre el 50% más citados dentro de su temática:

  • Media Ponderada del Impacto Normalizado de la agencia Scopus: 2.13 (fuente consultada: FECYT Feb 2024)

De manera concreta y atendiendo a las diferentes agencias de indexación, el trabajo ha acumulado, hasta la fecha 2025-06-01, el siguiente número de citas:

  • WoS: 6
  • Scopus: 10

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2025-06-01:

  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 20 (PlumX).

Análisis de liderazgo de los autores institucionales

Este trabajo se ha realizado con colaboración internacional, concretamente con investigadores de: China; Ethiopia; Japan; Niger; Nigeria.