پیش بینی بهره برداری از معادن زیرزمینی بر اساس سابقه بهره برداری مبتنی بر روش‎های یادگیری ماشین بازگشتی عمیق

پیشبینی بهره برداری از معادن بر اساس سابقه مصرفی می تواند یک استفاده بهینه از معدن مورد نظر را به همراه داشته باشد. همچنینبا بهبود دقت پیشبینی و فراهم کردن اطلاعات علاوه بر صرفه جویی، معدن قابل استفاده برای آیندگان نیز خواهد بود. دراین مقاله یک شبکهعصبی عمیق بازگشتی برای پیش بینی طراحی و آموزش داده شده است. برای آموزش کارآمد شبکه عصبی بازگشتی، الگوریتم آموزشی تابع زمانتصادفی استفاده شده است. روش پیشنهاد شده با شبکه عصبی چندلایه پرسپترونی و شبکه عصبی کانولوشنی مقایسه شده و نتایج حاکی ازبرتری و موثر بودن روش پیشنهادی در پیش بینی بهره برداری از معدن دارد.