메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
박성숙 (한양대학교) 이가현 (한양대학교) 설순지 (한양대학교) 김덕민 (상지대학교) 김선준 (한양대학교) 고주인 (한국광해광업공단)
저널정보
한국자원공학회 한국자원공학회지 한국자원공학회지 Vol.61 No.5
발행연도
2024.10
수록면
333 - 346 (14page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 연구는 광산배수 처리시설의 효율적 설계와 운영을 위해 기계학습(ML) 기법으로 광산배수 처리시설(ST와 HT)의 소석회 투입량을 예측하였다. 처리시설 원본 자료에서 이상치를 제거한 후, 소석회 투입량과 관계가 있는 유량, 그리고 소석회에 의해 공급된 OH‒와 상당히 관계가 있는 금속 이온(Fe, Mn, Al) 농도와 pH를 입력자료로 선정하였다. 합성곱 신경망(CNN) 모델이 사용되었고, 원본 자료의 제한적이고 불균형적인 자료의 문제를 보완하면서 원본 자료 특성을 유지하기 위해 fancy 주성분 분석(PCA)를 이용한 자료증대 기법이 사용되었다. ML 모델에 의해 예측된 테스트 자료 세트의 소석회 투입량은 이론적 계산식보다 평균 절대 오차(MAE)는 낮고 결정계수(R2)는 높았다. 기계학습 기법의 사용으로 처리시설의 운영효율 증가 및 신규 시설에의 기본 설계자료 제공 이 기대된다.

목차

Abstract
요약
서론
연구 지역
머신러닝 학습자료 준비 및 학습
학습된 머신러닝 모델의 예측 결과 고찰
결론
References

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-091071223