Тип публикации: статья из журнала

Год издания: 2026

Ключевые слова: crushing equipment, mining enterprise, productivity, machine learning, random forest, technological parameters, дробильное оборудование, горное предприятие, производительность, машинное обучение, случайный лес, технологические параметры

Аннотация: Рассмотрена возможность применения методов машинного обучения для прогнозирования производительности дробильного оборудования горного предприятия. Исследование выполнено на примере щековой дробилки СМД-110А по данным 28 рабочих смен. В качестве входных параметров использовались влажность материала, средняя крупность питания, ток электродвигателя, чистое время работы оборудования и число кратковременных остановок. Для построения прогнозной модели применен алгоритм случайного леса. Установлено, что фактическая производительность дробилки изменялась от 82,4 до 137,6 т/ч, а среднее значение составило 109,8 т/ч. На тестовой выборке модель показала коэффициент детерминации R2 = 0,78 и среднюю абсолютную ошибку 7,6 т/ч. Полученные результаты показывают, что предложенный подход может использоваться для предварительной оценки работы дробильного участка. The paper considers the possibility of using machine learning methods to predict the productivity of crushing equipment at a mining enterprise. The study was carried out using the example of a SMD-110A jaw crusher based on data from 28 working shifts. Material moisture, average feed size, motor current, net operating time and the number of short stops were used as input parameters. A random forest algorithm was applied to build the prediction model. It was found that the actual crusher productivity varied from 82.4 to 137.6 t/h, with an average value of 109.8 t/h. On the test sample, the model showed a coefficient of determination R² = 0.78 and a mean absolute error of 7.6 t/h. The obtained results show that the proposed approach can be used for a preliminary assessment of crushing section operation.

Журнал: Известия Тульского государственного университета. Науки о Земле

Выпуск журнала: № 3

Номера страниц: 396-401

ISSN журнала: 22185194

Место издания: Тула

Издатель: Тульский государственный университет

• Олейникова Олеся Олеговна (Российский государственный аграрный университет - МСХА имени К.А. Тимирязева)
• Кукарцев Владислав Викторович (Российский государственный аграрный университет - МСХА имени К.А. Тимирязева)

• Ядро РИНЦ (eLIBRARY.RU)
• Список ВАК