Previsão da diluição em realces subterrâneos por meio de técnicas de aprendizado de máquina.
Nenhuma Miniatura disponível
Data
2023
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
Uma das principais metodologias empíricas para avaliar a estabilidade de realces
de minas subterrâneas e estimar sua diluição é o Gráfico de Estabilidade de Realces
Modificado, proposto por Potvin et al. (1988), que relaciona características do maciço
rochoso e a geometria do realce. Seu uso permite estimar a condição de estabilidade da
escavação, utilizando um gráfico construído a partir da análise da diluição de 255 realces.
Todavia, por se tratar de um método empírico, várias subjetividades estão associadas com
o processo de avaliação, e a aplicação da técnica possui restrições de uso, uma vez que
não consideram os ambientes geomecânicos das minas subterrâneas brasileiras. O
presente trabalho propõe modelos de predição da diluição em realces por meio da
aplicação de algoritmo de florestas aleatórias em um banco de dados de uma mina
subterrânea de ouro brasileira contendo 26 variáveis de 70 realces de três diferentes
mineralizações. A fim de investigar as variáveis que contém maior correlação com a
diluição foi utilizado o método de árvores de decisão, que apontou seis variáveis
principais deste banco de dados na previsão de diluição, utilizadas para geração dos
modelos de florestas aleatórias em três etapas. Primeiramente, foi proposto um modelo
validado pelo método da ressubstituição, a ser comparado com os modelos propostos por
Costa (2017) a partir do mesmo banco de dados, que revelou superioridade das florestas
aleatórias na previsão de diluição em detrimento dos modelos de regressão linear múltipla
proposto pelo autor, obtendo-se R2
igual a 0.9161. Em seguida o modelo de florestas
aleatórias foi validado por divisão de amostras treino/teste, que obteve valor de R2 igual
a 0.3060 no melhor cenário. Por fim, visando aprimorar o modelo, o banco de dados foi
dividido em três, cada um referente a um dos corpos mineralizados, e novos modelos
foram gerados para cada banco de dados. Esta análise indicou evolução nos valores de
acurácia dos modelos, com R2 igual a 0.5465, 0.5295 e 0.4525, contudo, com grande
variabilidade das métricas de validação. A importância das variáveis também foi
observada nestas últimas análises por florestas aleatórias, indicando grande coerência
com os resultados obtidos por meio das árvores de decisão. O estudo foi capaz de definir
as principais variáveis do banco de dados na influência de diluição em realces, e propõe
modelos de predição de diluição práticos, de fácil utilização e com menos subjetividades
que os métodos empíricos, sendo uma excelente ferramenta para auxiliar engenheiros
geotécnicos na compreensão e estimativa da diluição operacional.
Descrição
Programa de Pós-Graduação em Engenharia Mineral. Departamento de Engenharia de Minas, Escola de Minas, Universidade Federal de Ouro Preto.
Palavras-chave
Lavra subterrânea, Geotecnia, Algoritmos computacionais - árvores de decisão, Algoritmos computacionais - florestas aleatórias, Aprendizado de máquina
Citação
RODRIGUES, Caio Oliveira. Previsão da diluição em realces subterrâneos por meio de técnicas de aprendizado de máquina. 2023.131 f. Dissertação (Mestrado em Engenharia Mineral) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2023.