MétaCan
Menu
Retour à la cohorte
Enregistrement W2057048716 · doi:10.4028/www.scientific.net/amr.429.206

Mining Plan Optimization Based on Linear Programming in Shirengou Iron Mine

2012· article· en· W2057048716 sur OpenAlexaff
Ming Zhu, Jin Sun, Wen Sheng Liu, Ai Xia Zhang, Hui Zhou, Li Ai, Ji Huan Peng, Yun Xi Jia

Notice bibliographique

RevueAdvanced materials research · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueMining Techniques and Economics
Établissements canadiensIron Ore Company (Canada)
Organismes subventionnairesnon disponible
Mots-clésPlan (archaeology)Linear programmingProcess (computing)Control (management)Quality (philosophy)Joint (building)EngineeringMathematical optimizationMining engineeringComputer scienceCivil engineeringMathematicsGeologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Faced with the difficult situation of the joint operation of open pit and underground mining in transition period in Shirengou Iron Mine, a suitable linear programming mathematical model of mining plan was established and synthesis optimization results were obtained, which would increase the overall economic effect of the mining operation during the transition period, while the limited reserves and ore quality control were entirely considered. A pronounced economic benefit was achieved by the project optimization. This mathematical model can be widely used in mining process to control the quality and quantity equilibrium of ore output, comprehensive utilize some waste rock and optimize the mining plan.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,404
Score d'incertitude au seuil0,526

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,060
Tête enseignante GPT0,335
Écart entre enseignants0,274 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced materials researchMême sujetMining Techniques and EconomicsTravaux en français237 207