Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Pham, Hoa Thi" wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    Estimation of truck-shovel dispatching in Cao Son Open-Pit coal mine and the ability in applying information technology for increasing its efficiency
    Oszacowanie wywozu ładowarkami w kopalni odkrywkowej Cao Son i możliwości zastosowania technologii informatycznych w celu zwiększenia wydajności
    Autorzy:
    Pham, Van Hoa
    Bui, Xuan‑Nam
    Le, Van Quyen
    Le, Thi Thu Hoa
    Pham, Van Viet
    Powiązania:
    https://bibliotekanauki.pl/articles/317977.pdf
    Data publikacji:
    2019
    Wydawca:
    Polskie Towarzystwo Przeróbki Kopalin
    Tematy:
    kopalnie odkrywkowe
    wywóz
    Wietnam
    efektywność
    open pit mines
    dispatching
    Vietnam
    efficiency
    Opis:
    With many types of trucks and shovels for hauling large volume of waste rocks to the dump sites and coal to the storages, the truck – shovel dispatching in Cao Son open pit coal mine is the operation which needs to be improved. At present, the combination between trucks and shovel is usually assigned at the beginning of shift and adjusted during the operation at the mine. The GPS tracking system are integrated into each truck to monitor the position in real time, but applying this information to find the best destination to send the truck to satisfy the production requirements and to minimize truck operating costs is still not used. This paper presents the estimation of the information system, data, the remaining problems of truck – shovel dispatching system, from that proposes the application of available information technology for increasing the efficiency of this activities at the mine.
    Źródło:
    Inżynieria Mineralna; 2019, 21, 2/2; 21-27
    1640-4920
    Pojawia się w:
    Inżynieria Mineralna
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A Lasso and Elastic-Net Regularized Generalized Linear Model for Predicting Blast-Induced Air Over-pressure in Open-Pit Mines
    Model Lasso i uogólniony model liniowy elastycznej siatki do prognozowania nadciśnienia wywołanego wybuchem w kopalniach odkrywkowych
    Autorzy:
    Bui, Xuan‑Nam
    Nguyen, Hoang
    Tran, Quang Hieu
    Bui, Hoang‑Bac
    Nguyen, Quoc Long
    Nguyen, Dinh An
    Le, Thi Thu Hoa
    Pham, Van Viet
    Powiązania:
    https://bibliotekanauki.pl/articles/318532.pdf
    Data publikacji:
    2019
    Wydawca:
    Polskie Towarzystwo Przeróbki Kopalin
    Tematy:
    Lasso model
    kopalnia odkrywkowa
    wybuchy
    open pit mines
    explosives
    Opis:
    Air overpressure (AOp) is one of the products of blasting operations in open-pit mines which have a great impact on the environment and public health. It can be dangerous for the lungs, brain, hearing and the other human senses. In addition, the impact on the surrounding environment such as the vibration of buildings, break the glass door systems are also dangerous agents caused by AOp. Therefore, it should be properly controlled and forecasted to minimize the impacts on the environment and public health. In this paper, a Lasso and Elastic-Net Regularized Generalized Linear Model (GLMNET) was developed for predicting blast-induced AOp. The United States Bureau of Mines (USBM) empirical technique was also applied to estimate blast-induced AOp and compare with the developed GLMNET model. Nui Beo open-pit coal mine, Vietnam was selected as a case study. The performance indices are used to evaluate the performance of the models, including Root Mean Square Error (RMSE), Determination Coefficient (R2), and Mean Absolute Error (MAE). For this aim, 108 blasting events were investigated with the Maximum of explosive charge capacity, monitoring distance, powder factor, burden, and the length of stemming were considered as input variables for predicting AOp. As a result, a robust GLMNET model was found for predicting blast-induced AOp with an RMSE of 1.663, R2 of 0.975, and MAE of 1.413 on testing datasets. Whereas, the USBM empirical method only reached an RMSE of 2.982, R2 of 0.838, and MAE of 2.162 on testing datasets.
    Źródło:
    Inżynieria Mineralna; 2019, 21, 2/2; 8-20
    1640-4920
    Pojawia się w:
    Inżynieria Mineralna
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-2 z 2

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies