Estimating Ore Grade Using Evolutionary Machine Learning Models
Lingua: inglese
Editore: Springer Nature Singapore Dez 2023, 2023
- Brossura
- Nuovo
Da: BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, GermaniaBuchWeltWeit Ludwig Meier e.K.
Venditore AbeBooks dal 11 gennaio 2012
Condizione: Nuovo
EUR 149,79
Quantità: 2 disponibili
Aggiungi al carrelloDescrizione dell’articolo da parte del venditore
This item is printed on demand - it takes 3-4 days longer - Neuware -This book examines the abilities of new machine learning models for predicting ore grade in mining engineering. A variety of case studies are examined in this book. A motivation for preparing this book was the absence of robust models for estimating ore grade. Models of current books can also be used for the different sciences because they have high capabilities for estimating different variables. Mining engineers can use the book to determine the ore grade accurately. This book helps identify mineral-rich regions for exploration and exploitation. Exploration costs can be decreased by using the models in the current book. In this book, the author discusses the new concepts in mining engineering, such as uncertainty in ore grade modeling. Ensemble models are presented in this book to estimate ore grade. In the book, readers learn how to construct advanced machine learning models for estimating ore grade. The authors of this book present advanced and hybrid models used to estimate oregrade instead of the classic methods such as kriging. The current book can be used as a comprehensive handbook for estimating ore grades. Industrial managers and modelers can use the models of the current books. Each level of ore grade modeling is explained in the book. In this book, advanced optimizers are presented to train machine learning models. Therefore, the book can also be used by modelers in other fields. The main motivation of this book is to address previous shortcomings in the modeling process of ore grades. The scope of this book includes mining engineering, soft computing models, and artificial intelligence. 116 pp. Englisch.…
Codice articolo 9789811981081
- Titolo
- Estimating Ore Grade Using Evolutionary Machine Learning Models
- Autore
- Mohammad Ehteram
- Editore
- Springer Nature Singapore Dez 2023
- Anno di pubblicazione
- 2023
- Condizione
- Neu
- Rilegatura
- Taschenbuch
- Lingua
- inglese
- ISBN 10
- 9811981086
- ISBN 13
- 9789811981081
- Peso dell'articolo
- 189 grammi
- Dimensioni
- 235x155x7 mm
This book examines the abilities of new machine learning models for predicting ore grade in mining engineering. A variety of case studies are examined in this book. A motivation for preparing this book was the absence of robust models for estimating ore grade. Models of current books can also be used for the different sciences because they have high capabilities for estimating different variables. Mining engineers can use the book to determine the ore grade accurately. This book helps identify mineral-rich regions for exploration and exploitation. Exploration costs can be decreased by using the models in the current book. In this book, the author discusses the new concepts in mining engineering, such as uncertainty in ore grade modeling. Ensemble models are presented in this book to estimate ore grade. In the book, readers learn how to construct advanced machine learning models for estimating ore grade. The authors of this book present advanced and hybrid models used to estimate oregrade instead of the classic methods such as kriging. The current book can be used as a comprehensive handbook for estimating ore grades. Industrial managers and modelers can use the models of the current books. Each level of ore grade modeling is explained in the book. In this book, advanced optimizers are presented to train machine learning models. Therefore, the book can also be used by modelers in other fields. The main motivation of this book is to address previous shortcomings in the modeling process of ore grades. The scope of this book includes mining engineering, soft computing models, and artificial intelligence.
"Riassunto" può appartenere a un’altra edizione di questo titolo.
Informazioni sull’autore
Mohammad Ehtearm is a Researcher in the field of artificial intelligence. He has a Ph.D. in civil engineering. His research interests generally lie in the areas application of remote sensing in water resources, water, energy, and food nexus, extreme hydrological events, river engineering, remote sensing in water resources, dam and hydropower operation, geotechnical engineering, mining engineering, artificial intelligence, and remote sensing in mining engineering.
Zohreh Sheikh Khozani is a Scientific Researcher in the field of civil engineering and mining engineering. The scope of her current research is covering hydraulic structures, hydrology, water resources engineering, environmental engineering, and the implementation of data analytics, geotechnical engineering, mining engineering, and artificial intelligence models.
Saeed Soltani-Mohammadi is Associate Professor at Department of Mining Engineering, University of Kashan, Iran. He holds a PhD on mining engineering from the Amirkabir University of technology in 2009. His research spans application of artificial intelligence and optimization methods in geosciences and mining problems. He developed many soft computing models based on practical applications for mining engineering.
Maliheh Abbaszadeh is Assistant Professor at Department of Mining Engineering, University of Kashan, Iran. She holds a Ph.D. in mining engineering from the Amirkabir University of technology in 2014. She developed her teaching activity in the areas of geochemical exploration, remote sensing and machine learning algorithms. Her primary research interest is application of machine learning algorithms in exploratory data analysis.
"Descrizione articolo" può appartenere a un’altra edizione di questo titolo.
BuchWeltWeit Ludwig Meier e.K.
Bergisch Gladbach, Germania
Venditore AbeBooks dal 11 gennaio 2012
Tariffe di spedizione da Germania a U.S.A.
| Articolo | Da 5 a 15 giorni lavorativi | Da 5 a 15 giorni lavorativi |
|---|---|---|
| Primo articolo | EUR 23,00 | EUR 23,00 |
Metodi di pagamento
- Assegno
- Bonifico bancario
- PayPal
Informazioni sull’azienda del venditore
BuchWeltWeit Ludwig Meier e.K.
Germania
Condizioni di vendita
BuchWeltWeit Inh. Ludwig Meier e.K.
Inhaber: Ludwig Meier
De-Gasperi-Str. 8
51469 Bergisch Gladbach
Deutschland
Tel.: +49(0)22028659300
Fax: +49(0)22028659301
E-Mail: info@buchweltweit.de
Registergericht: Amtsgericht Köln
Registernummer: HRA 28253
Umsatzsteuer-Identifikationsnummer: DE815259907
Wir sind zur Teilnahme an einem Streitbeilegungsverfahren vor einer Verbraucherschlichtungsstelle weder verpflichtet noch bereit.
Diritto di recesso
Se sei un consumatore puoi recedere dal contratto in conformità con quanto segue. Per Consumatore si intende qualsiasi persona fisica che agisce per scopi estranei alla propria attività commerciale, imprenditoriale, artigianale o professionale.
Informazioni sul diritto di recesso
Diritto legale di recesso
Hai il diritto di recedere dal presente contratto entro 14 giorni senza fornire alcuna motivazione.
Il periodo di recesso scade dopo 14 giorni dal giorno in cui tu o una terza parte, diversa dal vettore e da te indicata, acquisisce il possesso fisico dell'ultimo bene o dell'ultimo lotto o pezzo.
Per esercitare il diritto di recesso, compila e invia elettronicamente una dichiarazione esplicita sul nostro sito Web, alla voce “I miei acquisti” nella sezione “Mio account”. Ti comunicheremo senza indugio una conferma di ricezione di tale recesso su un supporto durevole (ad es. via e-mail).
Per rispettare il termine di recesso, è sufficiente inviare la comunicazione relativa all'esercizio del diritto di recesso prima della scadenza del periodo di recesso stesso.
Effetti del recesso
In caso di recesso dal presente contratto, ti rimborseremo tutti i pagamenti ricevuti, compresi i costi di spedizione (ad eccezione dei costi supplementari derivanti dalla tua eventuale scelta di un tipo di spedizione diverso dal tipo meno costoso di consegna standard da noi offerto).
Potremo effettuare una detrazione dal rimborso per la perdita di valore dei beni forniti, qualora tale perdita sia il risultato di una manipolazione non necessaria da parte tua.
Eseguiremo il rimborso senza indebito ritardo e non oltre 14 giorni dal giorno in cui saremo informati della tua decisione di recedere dal presente contratto.
Il rimborso sarà effettuato utilizzando lo stesso mezzo di pagamento da te usato per la transazione iniziale, salvo che tu non abbia espressamente concordato altrimenti; in ogni caso, non dovrai sostenere alcun costo quale conseguenza di tale rimborso.
Possiamo trattenere il rimborso finché non avremo ricevuto i beni oppure finché non avrai fornito la prova di averli rispediti, a seconda di quale condizione si verifichi per prima.
Dovrai rispedire i beni o consegnarli a BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, Germany, senza indebito ritardo e, in ogni caso, entro 14 giorni dal giorno in cui ci hai comunicato la tua volontà di recedere dal presente contratto. Il termine è rispettato se rispedisci i beni prima della scadenza del periodo di 14 giorni. I costi diretti della restituzione dei beni saranno a tuo carico. Sei responsabile solo della diminuzione del valore dei beni risultante da una manipolazione diversa da quella necessaria per stabilire la natura, le caratteristiche e il funzionamento dei beni stessi.
Eccezioni al diritto di recesso
Il diritto di recesso non si applica a:
- La fornitura di giornali, periodici o riviste ad eccezione dei contratti di abbonamento; e
- La fornitura di contenuto digitale non fornito su un supporto materiale (ad es. su un CD o DVD), se al momento dell'invio dell'ordine hai accettato l'inizio dell'esecuzione e hai riconosciuto che non avresti potuto recedere una volta iniziata l'esecuzione.
Condizioni di spedizione
Der Versand ins Ausland findet IMMER mit DHL statt. Auch nach Österreich verschicken wir nur mit DHL! Daher Standardversand == Luftpost!