Maximizing Underground Mine Reserves Through a More Accurate Cost Model and the Application of Machine Learning

Santiago Xavier Valencia Morales, Nelson Morales et Michel Gamache

Article de revue (2026)

Un lien externe est disponible pour ce document

Département:	Département de mathématiques et de génie industriel Département des génies civil, géologique et des mines
Centre de recherche:	IRME - Institut de recherche en mines et environnement UQAT-Polytechnique
Organismes subventionnaires:	Intelligent and Autonomous Mine (IAM), Consortium de recherche et dinnovation en transformation me´tallique (CRITM), Industrial partners of the Research Institute on Mines and Environment (RIME), Natural Sciences and Engineering Research Council of Canada (NSERC)
Numéro de subvention:	FONCER 565188-2022, Project 2021 – 068, ALLRP 568607 – 21
URL de PolyPublie:	https://publications.polymtl.ca/74054/
Titre de la revue:	Natural Resources Research
Maison d'édition:	Springer Science+Business Media
DOI:	10.1007/s11053-026-10666-3
URL officielle:	https://doi.org/10.1007/s11053-026-10666-3
Date du dépôt:	23 mars 2026 09:09
Dernière modification:	23 mars 2026 09:09

Citer en APA 7:	Valencia Morales, S. X., Morales, N., & Gamache, M. (2026). Maximizing Underground Mine Reserves Through a More Accurate Cost Model and the Application of Machine Learning. Natural Resources Research, 17 pages. https://doi.org/10.1007/s11053-026-10666-3
APA 7 (HTML)ASCII CitationAtomBibTeXDOIsDublin CoreEndNote (.ENW)MARC (ISO 2709/UTF-8) (.MRC)MARC (UTF-8) (.MRK8)MARC XMLMPEG-21 DIDLMultiline CSVOAI-ORE Resource Map (Atom Format)OPENAIREOpenURL ContextObjectOpenURL ContextObject in SpanRDF+N-TriplesRDF+N3RDF+XMLReferReference Manager (.RIS)Simple Metadata

Statistiques

Actions réservées au personnel