Tạp chí
 
Năm 2020
 
Số 4 [08 - 2020], Năm thứ XXIX

Xu hướng sử dụng trí tuệ nhân tạo trong lĩnh vực khai thác khoáng sản trên thế giới và Việt Nam

https://tapchi.hoimovietnam.vn/vi/archives?article=20041

  • Cơ quan:

    Trường Đại học Mỏ - Địa chất

  • *Tác giả liên hệ:
    This email address is being protected from spambots. You need JavaScript enabled to view it.
  • Nhận bài: 10-08-2020
  • Sửa xong: 25-07-2020
  • Chấp nhận: 10-08-2020
  • Ngày đăng: 30-08-2020
Trang: 1 - 6
Lượt xem: 6
Xem onlineXem online
Lượt tải: 0
Tải về PDF
★★★★★Yêu thích: , Số lượt: 0
  • ★
  • ★
  • ★
  • ★
  • ★
Bạn yêu thích

Tóm tắt:

Hiện nay, đề đập ứng được nhu cầu phát triển mạnh mẽ kinh tế và xã hôi, các ngành khai thác khoáng sản phải hoạt động với cường độ và quy mô rất lớn. Điều này đặt ra yêu cầu về việc cần phải liên tục nghiên cứu và đầu tư mở rộng sản xuất, khai thác các loại khoáng sản. Việc phát triển các ngành khai thác khoáng sản, ngọài việc đẩy cao hiệu suất sử dụng các loại thiểt bị, nguồn khoáng sản được khai thác nhằm đảm bảo về yếu tố kinh tế còn phải đàm bảo sự ổn định, an toàn cho công trình, khu vực khai thác, bãi thải trong khai thác, các công tác xây dựng, chống giữ các công trình khai thác và liên quan. Bài báo này trình bày một tổng quan về việc ứng dụng AI trong lĩnh vực khai thác mỏ cũng như xu hướng áp dụng chúng trong lĩnh vực khai thác khoáng sản ở trên thế giới và ở Việt Nam để có thể đáp ứng được những yêu cầu cấp thiết nói trên.

Trích dẫn
Nguyễn Chí Thành, 2020. Xu hướng sử dụng trí tuệ nhân tạo trong lĩnh vực khai thác khoáng sản trên thế giới và Việt Nam, Tạp chí Công nghiệp Mỏ, số XXIX, kỳ 4, tr. 1-6.
Tài liệu tham khảo

1. Hồ Đắc Lộc, Huỳnh Châu Duy (2020). Phát triển Ai tại Việt Nam: Thực trạng và giải pháp. Tạp chí Khoa học và Công nghệ Việt Nam, ISNN 26159759 2020

2. S. Russell, P. Norvig (2016), Artificial Intelligence: A Modem Approacin, 3rd Global Edition, Pearson.

3. J. McCarthy, M.L. Minsky, N. Rochester, C.E. Shannon (1955), “A Proposal for the Dartmouth summer conference on artificial intelligence”, A1 Magazine, 27(4), pp.12-14.

4. M. Monjezi et al (2009). Prediction and controlling of flyrock in blasting operation using artificial neural network. Arab J Geosci. 4:421-425.

5. Mohsen Hajihassani. et al (2014). Ground vibration prediction in quarry blasting through an artificial neural network optimized by Imperialist competitive algorithm. Bull Eng Geol Environ.

6. Ali Ahmadi, Mohammad Raouf Hosselnl (2015). A Fuzzy Logic Model to Predict the Bloleachlng Efficiency of Copper Concentrates In Stirred Tank Reactors. International Journal of Nonferrous Metallurgy, 4,1-8. ;

7. Raymond Ninnang Tiile (2016). Artificial neural network approach to predict blast-induced ground vibration, airblast and rock fragmentation. Masters Theses. *

8. Hoang Nguyen, Xuan-Nam Bui et al (2019), A comparative study of empirical and ensemble machine learning algorithms in predicting! air over-pressure In open-pit coal mine, /^cta Geophysica. 12/2019.

9. Hoang Nguyen, Xuan-Nam Bui et al (2019). A new soft computing model for estimating and controlling blast-produced ground vibration based on Hierarchical K-means clustering and Cubist algorithms. Applied Soft Computing Journal. 77. Pp.376-386.

10. Tạ Quốc Dũng, Lê Thế Hà, Phạm Duy Khang (2019) ửng dụng mạng neurọn nhân tạo (ANN) trong dự báo độ rỗng. Tạp chí Dầu khí, số 1, 2019.

Các bài báo khác