Navegando por Autor "Santos, Allan Erlikhman Medeiros"
Agora exibindo 1 - 14 de 14
Resultados por página
Opções de Ordenação
Item Análise multicritério e aprendizado de máquina aplicados na predição do potencial espeleológico da região do Parque Nacional Serra do Gandarela, Quadrilátero Ferrífero/MG.(2022) Nola, Iraydes Tálita de Sena; Bacellar, Luis de Almeida Prado; Bacellar, Luis de Almeida Prado; Barella, Cesar Falcão; Parizzi, Maria Giovana; Santos, Allan Erlikhman Medeiros; Barbosa, Marcelo RobertoNo Brasil, cavidades ferríferas estão geneticamente e geograficamente associadas aos depósitos minerais explotáveis de ferro. Essas cavidades possuem relevância espeleológica, arqueológica, paleontológica e biológica, sendo ambientalmente e legalmente protegidas. Assim, para um melhor planejamento da explotação e licenciamento ambiental torna-se necessário estudar a gênese e o desenvolvimento das cavidades ferríferas buscando preservá-las sem impedir o avanço da mineração. Esse tema é complexo, pouco difundido e os trabalhos que buscam alternativas para predizer a ocorrência dessas cavidades são escassos. Essa demanda justifica o desenvolvimento de pesquisas e produtos capazes de auxiliar tomadores de decisão, planejadores e autoridades competentes para suporte na definição de locais-alvo de prospecção espeleológica de campo. Nesta pesquisa foi avaliada a capacidade preditiva de técnicas utilizando lógica fuzzy e processo hierárquico analítico, além de técnicas de aprendizado de máquina na avaliação da suscetibilidade a ocorrência de cavidades ferríferas. Para isso, foram selecionadas as variáveis: razão de óxido de ferro, declividade, índice de vegetação por diferença normalizada (NDVI), curvatura horizontal, curvatura vertical, intensidade de lineamentos e HAND (height above nearest drainage). Para a validação dos resultados foi utilizado um inventário de cavidades previamente levantado. Essas variáveis foram produzidas a partir do processamento de dados geoespaciais de uma região da Serra do Gandarela, Minas Gerais, Brasil. A primeira técnica aplicada, utilizando lógica fuzzy e processo hierárquico analítico (AHP), foi implementada e os resultados mostraram um desempenho satisfatório do mapa produzido em predizer áreas favoráveis a ocorrência de cavidades ferríferas, apresentando AUC (the area under the curve) em torno de 0,85. Na sequência foi aplicada a técnica de aprendizado de máquina denominada Florestas Aleatórias. Esta técnica foi a que se mostrou mais eficaz no estudo da suscetibilidade a ocorrência de cavidades ferríferas, apresentando AUC igual a 0,957. De forma complementar foi utilizada a técnica de Redes Neurais Artificiais, cujos resultados indicaram que o modelo aplicado não possui capacidade de generalização, apesar de seu desempenho ter sido considerado satisfatório durante o treinamento. Espera-se que os passos metodológicos detalhados neste estudo incentivem os planejadores e tomadores de decisão de empreendimentos de mineração e agências ambientais a adotá-los com o objetivo de mapear a suscetibilidade à ocorrência de cavidades ferríferas totalmente com base na aquisição e análise de dados remotos.Item Análise tridimensional de estabilidade para ruptura rotacional global de taludes de mina.(2022) Drumond, Lucas Bianchetti; Santos, Tatiana Barreto dos; Santos, Tatiana Barreto dos; Santos, Allan Erlikhman Medeiros; Lana, Milene SabinoEventos que envolvem instabilidade de taludes infelizmente são costumazes na mineração, podendo causar ferimentos ou morte de trabalhadores. Além disso, tais incidentes podem representar grande impacto financeiro ao empreendimento, devido à falta de alimentação da planta de beneficiamento mineral e os custos de reparação local. Em casos extremos, podem levar ao encerramento precoce das atividades minerárias e diluição do minério, além de perda de licenças de operação. Rupturas de taludes ocorrem a depender das características das descontinuidades, da rocha intacta e do maciço rochoso, além da geometria do talude adotada no projeto de uma mina. Faz-se necessário então conhecer as propriedades mecânicas do maciço rochoso, descontinuidades e da rocha intacta que compõem a estrutura, além dos possíveis modos e mecanismos de ruptura. O método de equilíbrio limite é uma das possíveis técnicas para análise de estabilidade de um talude, fazendo uso de geometria representativa, propriedades de resistência tanto do maciço quanto das descontinuidades, além de informações pertinentes ao local, como o nível de água, para a determinação de um fator de segurança. Desta forma, este trabalho apresenta análises de estabilidade de taludes, bidimensional e tridimensional, aplicadas em uma mina a céu aberto de manganês, por meio do método de equilíbrio limite. A análise tridimensional utilizou-se do modelo de blocos geomecânico da mina, um ponto a se destacar devido a ampla utilização destes modelos dentro de rotinas operacionais de mineração, graças a sua versatilidade. Ressalta-se também, a importância da qualidade dos dados inseridos no modelo, que quanto mais fidedignos forem, mais próximo este estará da realidade. A partir destas análises, percebe-se a similaridade entre os resultados obtidos e a importância das análises tridimensionais, que permitem a visualização da extensão lateral, peso e volume das rupturas hipotéticas obtidas e pode balizar análises mais detalhadas no modelo.Item Applicability of geomechanical classifications for estimation of strength properties in Brazilian rock masses.(2017) Santos, Tatiana Barreto dos; Lana, Milene Sabino; Santos, Allan Erlikhman Medeiros; Silveira, Larissa Regina CostaMany authors have been proposed several correlation equations between geomechanical classifications and strength parameters. However, these correlation equations have been based in rock masses with different characteristics when compared to Brazilian rock masses. This paper aims to study the applicability of the geomechanical classifications to obtain strength parameters of three Brazilian rock masses. Four classification systems have been used; the Rock Mass Rating (RMR), the Rock Mass Quality (Q), the Geological Strength Index (GSI) and the Rock Mass Index (RMi). A strong rock mass and two soft rock masses with different degrees of weathering located in the cities of Ouro Preto and Mariana, Brazil; were selected for the study. Correlation equations were used to estimate the strength properties of these rock masses. However, such correlations do not always provide compatible results with the rock mass behavior. For the calibration of the strength values obtained through the use of classification systems, stability analyses of failures in these rock masses have been done. After calibration of these parameters, the applicability of the various correlation equations found in the literature have been discussed. According to the results presented in this paper, some of these equations are not suitable for the studied rock masses.Item Classificação de maciços rochosos por meio de técnicas da estatística multivariada e inteligência artificial.(2021) Santos, Allan Erlikhman Medeiros; Lana, Milene Sabino; Pereira, Tiago Martins; Lana, Milene Sabino; Klen, André Monteiro; Cabral, Ivo Eyer; Bacellar, Luis de Almeida Prado; Parizzi, Maria GiovanaA presente pesquisa tem como objetivo a proposição de novos modelos para classificação de maciços rochosos brasileiros, baseados no sistema RMR. O banco de dados utilizado possui informações dos parâmetros básicos para obtenção do sistema Rock Mass Rating (RMR). Os modelos propostos são baseados em técnicas da estatística multivariada e técnicas de inteligência artificial. A seleção das variáveis foi feita a partir da análise fatorial. Os modelos de classificação foram treinados por meio de dois tipos de aprendizagem, a supervisionada e a não supervisionada. O processo de aprendizagem se baseia na identificação de padrões no comportamento das variáveis do banco de dados, estabelecendo modelos preditivos no processo de aprendizagem supervisionada e modelos descritivos na aprendizagem não-supervisionada. Portanto, na aprendizagem supervisionada a variável classe (target) deve ser fornecida ao algoritmo, já na aprendizagem não-supervisionada o algoritmo irá indicar os grupos (clusters) com base no comportamento das variáveis, posto isso os clusters são grupos constituídos de amostras similares, com variáveis com comportamento semelhante. Nos métodos supervisionados foram utilizadas as técnicas de redes neurais artificiais, naïve Bayes, random forest e máquinas de vetores de suporte. Para o modelo por aprendizagem não supervisionada foi utilizado o algoritmo partitioning around medoids. A utilização destes métodos quantitativos reduz a subjetividade dos sistemas propostos. O resultado da análise fatorial permitiu a identificação de três fatores comuns, Fator 1, relacionado à resistência e à alteração da rocha; Fator 3, relacionado ao grau de fraturamento do maciço rochoso e Fator 2, relacionado à condição e presença de água no maciço. Assim, a partir da análise fatorial foi feita a seleção das variáveis para o sistema de classificação. Posto isso, um número menor de variáveis foi utilizado, o que difere do sistema de classificação RMR. Os modelos treinados por aprendizagem supervisionada se adequaram à solução do problema abordado, com excelente desempenho para modelos preditivos, apresentando altas taxas de acurácia, precisão e eficácia. Os valores médios de acurácia dos modelos treinados foram de 0,81; 0,89; 0,87 e 0,89 para naïve Bayes, random forest, redes neurais artificiais e máquinas de vetores de suporte, respectivamente. Estes resultados mostraram a possibilidade de definir as classes do RMR com um número menor de variáveis, e que as variáveis selecionadas são realmente os parâmetros mais importantes para determinar a qualidade do maciço rochoso. O modelo treinado pela aprendizagem não supervisionada indicou a formação de 7 grupos, rotulados a partir da V interpretação dos valores das variáveis em cada grupo em conjunto com o valor da variável Pontuação. Os grupos formados foram a Classe A com maciços com resistência alta, pouco alterado, pouco fraturado e seco; Classe B com maciços com resistência média, pouco alterado, com fraturamento médio e seco; Classe C com maciços com resistência alta, pouco alterado, com fraturamento médio e molhado; Classe D com maciços com resistência baixa, muito alterado, pouco fraturado e seco; Classe E com maciços com resistência média, alteração média, com fraturamento médio e molhado; Classe F com maciço com resistência baixa, alteração alta, pouco fraturado e molhado; por fim a Classe G com maciço com resistência baixa, alteração alta, muito fraturado e molhado. O trabalho apresenta novas abordagens para lidar com sistemas de classificação de maciços rochosos, diminuindo a subjetividade, aumentando a seletividade dos parâmetros, reduzindo a dimensionalidade de bancos de dados geotécnicos e otimizando a aplicação de sistemas de classificação. Embora a matemática das técnicas aplicadas seja complexa, os resultados são de fácil interpretação e aplicação. Assim, acredita-se na confiabilidade dos modelos preditivos propostos, além da possibilidade de otimização por meio da utilização de bases de dados mais amplas.Item Cluster analysis for slope geotechnical prioritization of intervention for the Estrada de Ferro Vitória-Minas.(2017) Silva, Denise de Fátima Santos da; Santos, Allan Erlikhman Medeiros; Ferreira, Bruno Trindade; Pereira, Tiago Martins; Corteletti, Rosyelle CristinaThis article proposes the geotechnical prioritization of intervention of slopes with landslide scars for the Estrada de Ferro Vitória-Minas by cluster analysis and also the proposition of a relationship between area and volume in landslide scars. Cluster definition helps the decision-making associated to containment measures, mapping and study of landslides for the Estrada de Ferro Vitória-Minas. The database is composed of the variables: slope’s height, inclination, scar area and scar volume. The distance measure used was Gower’s index, with Ward’s methods to build the clusters. Eight characteristic groups were identified. It was possible to identify stretches that need attention in relation to the propensity of landslides, such as Group 7, stretches 362+600, 093+xxxE and 419+000. Group 7 presented high values for the scarred area and volume, such as maximum area 9.75 x 104 m² and minimum area 7.49 x 104 m², and maximum volume 9.20 x 105 m³ and minimum volume 4.08 x105 m³. Group 7 presented high ranges for slope height and inclination. The set of results about Group 7 can be interpreted as stretches with a predisposition for landslides. In relation to intervention measures, Group 7 presents the sections with priority. The relationship between area and volume of landslide scars obtained by the research was compared with the relationships established in literature.Item Especificação de rochas ornamentais utilizadas na construção civil aplicando técnicas de estatística multivariada e aprendizado de máquina.(2023) Zagôto, Juliano Tessinari; Lana, Milene Sabino; Pereira, Tiago Martins; Lana, Milene Sabino; Santos, Allan Erlikhman Medeiros; Santos, Tatiana Barreto dos; Frasca, Maria Heloisa Barros de Oliveira; Klen, André MonteiroO Brasil é mundialmente reconhecido como potência produtora e exportadora de rochas ornamentais. Com grande beleza estética e qualidades físico-mecânicas inquestionáveis, as rochas ornamentais brasileiras estão espalhadas por grandes obras no mundo. Nessa perspectiva, este trabalho visa estabelecer um índice de qualidade e um critério de seleção de rochas ornamentais para revestimentos aplicados na construção civil. Para isso foi elaborado um banco de dados dos resultados dos ensaios de caracterização tecnológica de 285 amostras de rochas naturais, adotados como variáveis. Esse estudo propôs um índice de qualidade para as rochas ornamentais utilizando-se dos valores dos parâmetros tecnológicos gerais de referência, atribuindo pesos a eles e conforme o ambiente no qual a rocha é aplicado. Os ambientes foram definidos como A (piso interno seco de baixo tráfego), B (parede interna seca), C (parede interna molhada), D (parede externa), E (bancada interna seca), F (bancada interna molhada), G (bancada externa) e H (outras aplicações). Com o auxílio do software estatístico livre R foram utilizados métodos de estatística multivariada e de aprendizado de máquina. Da análise de componentes principais, pudemos extrair que as três primeiras componentes explicam aproximadamente 51% do problema. Da análise de agrupamentos foram gerados 5 (cinco) grupos classificados como G1 (Grupo dos Quartzitos), G2 (Grupo dos Granitos), G3 (Grupo majoritariamente formado por Granitos), G4 (Grupo majoritariamente formado por Granitos ricos em granada ou grupo dos Gnaisses) e G5 (Grupo dos Mármores). A partir daí, foram realizadas as estatísticas descritivas intra e inter grupos. De posse dos grupos formados, foi treinada uma árvore de decisão capaz de indicar uma rocha para um determinado ambiente com altíssimo grau de acerto. A acurácia da árvore de decisão foi de 0,96 e o Índice Kappa 0,95. O trabalho apresenta uma nova abordagem para indicar assertivamente uma rocha natural para um determinado ambiente, diminuindo a subjetividade por meio de um sistema de classificação. Apesar da complexidade matemática das técnicas adotadas, os resultados gerados são de fácil interpretação e simples visualização.Item Evaluation of machine learning methods for rock mass classification.(2022) Santos, Allan Erlikhman Medeiros; Lana, Milene Sabino; Pereira, Tiago MartinsSolutions in geotechnics have been optimizing with the aid of machine learning methods. The aim of this paper is to apply different machine learning algorithms in order to achieve rock mass classification. It is demonstrated that RMR classifi- cation system can be obtained using only variables which are closely related to rock mass quality, instead of all RMR variables, without missing significant accuracy. The different machine learning algorithms used are the naı ̈ve Bayes, random forest, artificial neural networks and support vector machines. The variables to calculate RMR, selected by factor analysis, are: rock strength, rock weathering, spacing, persistence and aperture of discontinuities and presence of water. The machine learning models were trained and tested thirty times, with random subsampling, using two-thirds of the total database for training sample. The models presented average accuracy greater than 0.81, which was calculated from the confusion matrix, using the proportion of true positives and true negatives in the test sample. Significant values of efficiency, precision and reproducibility rates were achieved. The study shows the application of machine learning algorithms allows obtaining the RMR classes, even with a small number of variables. In addition, the results of the evaluation metrics of the developed algorithms show that the methodology can be applied to new database, working as a valuable way to achieve rock mass classification.Item Evaluation of rock slope stability conditions through discriminant analysis.(2018) Santos, Allan Erlikhman Medeiros; Lana, Milene Sabino; Cabral, Ivo Eyer; Pereira, Tiago Martins; Naghadehi, Masoud Zare; Silva, Denise de Fátima Santos da; Santos, Tatiana Barreto dosA methodology to predict the stability status of mine rock slopes is proposed. Two techniques of multivariate statistics are used: principal component analysis and discriminant analysis. Firstly, principal component analysis was applied in order to change the original qualitative variables into quantitative ones, as well as to reduce data dimensionality. Then, a boosting procedure was used to optimize the resulting function by the application of discriminant analysis in the principal components. In this research two analyses were performed. In the first analysis two conditions of slope stability were considered: stable and unstable. In the second analysis three conditions of slope stability were considered: stable, overall failure and failure in set of benches. A comprehensive geotechnical database consisting of 18 variables measured in 84 pit-walls all over the world was used to validate the methodology. The discriminant function was validated by two different procedures, internal and external validations. Internal validation presented an overall probability of success of 94.73% in the first analysis and 68.42% in the second analysis. In the second analysis the main source of errors was due to failure in set of benches. In external validation, the discriminant function was able to classify all slopes correctly, in analysis with two conditions of slope stability. In the external validation in the analysis with three conditions of slope stability, the discriminant function was able to classify six slopes correctly of a total of nine slopes. The proposed methodology provides a powerful tool for rock slope hazard assessment in open-pit mines.Item Evaluation of rock slope stability conditions through discriminant analysis.(2018) Santos, Allan Erlikhman Medeiros; Lana, Milene Sabino; Cabral, Ivo Eyer; Pereira, Tiago Martins; Naghadehi, Masoud Zare; Silva, Denise de Fátima Santos da; Santos, Tatiana Barreto dosA methodology to predict the stability status of mine rock slopes is proposed. Two techniques of multivariate statistics are used: principal component analysis and discriminant analysis. Firstly, principal component analysis was applied in order to change the original qualitative variables into quantitative ones, as well as to reduce data dimensionality. Then, a boosting procedure was used to optimize the resulting function by the application of discriminant analysis in the principal components. In this research two analyses were performed. In the first analysis two conditions of slope stability were considered: stable and unstable. In the second analysis three conditions of slope stability were considered: stable, overall failure and failure in set of benches. A comprehensive geotechnical database consisting of 18 variables measured in 84 pit-walls all over the world was used to validate the methodology. The discriminant function was validated by two different procedures, internal and external validations. Internal validation presented an overall probability of success of 94.73% in the first analysis and 68.42% in the second analysis. In the second analysis the main source of errors was due to failure in set of benches. In external validation, the discriminant function was able to classify all slopes correctly, in analysis with two conditions of slope stability. In the external validation in the analysis with three conditions of slope stability, the discriminant function was able to classify six slopes correctly of a total of nine slopes. The proposed methodology provides a powerful tool for rock slope hazard assessment in open-pit mines.Item Metodologia para otimização de leiaute de câmaras e pilares da Mina Urucum em Corumbá-MS.(2023) Nascimento, Lucas Martins da Costa do; Figueiredo, Rodrigo Peluci de; Charbel, Paulo André; Figueiredo, Rodrigo Peluci de; Santos, Allan Erlikhman Medeiros; Magalhães, Fábio SoaresO dimensionamento de leiaute de câmaras e pilares em mineração subterrânea é feito comumente por meio de métodos de dimensionamento tradicionais, principalmente por meio da teoria da área tributária e fórmulas empíricas de resistência, metodologia que tende a ser muito conservadora e assim não se configura como a melhor premissa para extração de minério. Neste trabalho, é estudado um redimensionamento otimizado de leiaute das câmaras e pilares de uma área definida na Mina Urucum, uma mina de manganês, situada em Corumbá-MS, onde os corpos de minério tabulares horizontais, ou sub-horizontais, são lavrados, há décadas, pelo método câmaras e pilares. Para isso, apresenta-se um problema padrão de matemática, no qual o objetivo é estabelecer funções de recuperação do minério, cujas variáveis são geométricas com restrições geotécnicas e operacionais. Como a recuperação e as restrições são funções, via de regra, não-lineares dos parâmetros geométricos do leiaute, têm-se em questão um problema particularmente intricado de programação não-linear. Com a utilização dessas funções e estimativas mais acuradas de tensão e resistência aplica-se a metodologia proposta em uma área específica da mina com objetivo de determinar as dimensões ótimas da seção de pilares quadrados e vãos. Adicionalmente, e de forma complementar, propõe-se um dimensionamento de contenção específico para maciços estratificados, caso da Mina Urucum. Os resultados de estudos paramétricos são relatados, comparando a recuperação por meio da metodologia usualmente utilizada e a metodologia de dimensionamento otimizada, o que, como resultado, viabilizou um aumento de 30% na taxa de recuperação com as novas dimensões de vãos e pilares obtidas por meio da metodologia proposta.Item Predição da condição de estabilidade de taludes de mina por meio de estatística multivariada.(2016) Santos, Allan Erlikhman Medeiros; Lana, Milene Sabino; Cabral, Ivo Eyer; Lana, Milene Sabino; Pereira, Tiago Martins; Klen, André MonteiroNa geociências, as técnicas multivariadas encontram amplo campo de aplicação, tais como as técnicas de agrupamentos, analise fatorial, componentes principais, regressão multivariada, análise discriminante, entre outras (Andriotti, 1997). Neste contexto o presente trabalho propõe a aplicação de técnicas multivariadas a um banco de dados geotécnico, com objetivo de predizer as condições de estabilidade de taludes de mina. O objetivo da pesquisa é aplicar técnicas de estatística multivariada a um banco de dados geotécnico com o intuito de discriminar os taludes de mina quanto às suas condições de estabilidade. Foi utilizado o banco de dados geotécnico proposto por Naghadehi et al. (2013), que apresenta 84 taludes coletados em diferentes locais do mundo com 18 variáveis relacionadas a parâmetros geomecânicos e características dos taludes, e uma variável qualitativa relacionada às condições de estabilidade dos taludes. A metodologia propõe primeiramente a aplicação da análise de componentes principais e em seguida a aplicação do procedimento boosting nas componentes principais geradas pela análise de componentes principais, utilizando como classificador base a função discriminante linear de Fisher. O classificador, baseado na análise discriminante, gerado pela metodologia foi validado apresentando probabilidade global de acerto de 94,73% e consequentemente uma taxa de erro aparente de 5,26%, sendo que o erro relacionado aos casos em que taludes instáveis são classificados como estáveis, apresentou valores desprezíveis e o erro relacionado aos casos em que taludes estáveis sejam classificados como instáveis, apresentou uma taxa de 10,0%. No contexto do trabalho as técnicas estatísticas multivariadas forneceram uma ferramenta simples e com grande aplicabilidade para as operações de mineração relacionadas à estabilidade de taludes.Item Proposta de modelos de predição da resistência não drenada de rejeitos de bauxita.(2023) Pinto, Guilherme Henrique da Silva; Santos, Tatiana Barreto dos; Santos, Tatiana Barreto dos; Candido, Eduardo Souza; Santos, Allan Erlikhman MedeirosA correta determinação de parâmetros de resistência de rejeitos é essencial na engenharia geotécnica. Casos recentes de rupturas de barragens de rejeito de mineração, reforçam a necessidade de um melhor entendimento do comportamento mecânico de rejeitos. Para a determinação da resistência não drenada desses materiais, comumente são utilizados ensaios de campo como o ensaio de piezocone (CPTu) e palheta (Vane). Apesar dos ensaios de campo fornecerem uma medida in situ das propriedades do solo/rejeito, as metodologias para determinação da resistência não drenada por meio destes ensaios advêm de correlações empíricas e/ou analíticas que foram propostas e validadas em solos naturais. Visando contornar problemas de predição semelhantes ao tratado neste trabalho, vários autores têm aplicado técnicas da ciência de dados (estatística multivariada, aprendizado de máquina e inteligência artificial) como K-ésimo Vizinho mais Próximo, Florestas Aleatórias, Regressão Linear Múltipla, Máquina Vetor Suporte, dentre outras. Sendo assim, o presente trabalho tem por objetivo aplicar tais técnicas para a obtenção de modelos capazes de prever a resistência não drenada de pico de um rejeito de bauxita por meio de ensaios de campo (piezocone e palheta) e laboratório (teor de umidade). As variáveis influentes na obtenção da resistência não drenada também foram avaliadas por meio de diferentes combinações nos input das variáveis nos modelos. Foi aplicado também a técnica de validação cruzada k-fold para avaliar a acurácia e capacidade de generalização dos modelos elaborados. Além disso, é apresentada proposta metodológica para caracterização do comportamento não drenado com base nos dados dos ensaios de CPTu e dissipação de poropressão. Os modelos de ciência de dados obtidos foram comparados com a metodologia baseada fatores do cone Nkt, Nu e Nke calibrados com o Vane para a determinação da resistência não drenada. Dentre os resultados obtidos, as técnicas de ciência de dados apresentaram R2 superiores à 0,90, mostrando também menor dispersão dos resultados preditos se comparadas à metodologia baseada nos fatores supracitados. Com base no estudo das variáveis influentes, foi observado que as poropressões são as variáveis que mais influenciam na predição da resistência não drenada. Além disso, por meio do teste estatístico t-student foi comprovado que os modelos de ciência de dados têm desempenho superior à metodologia clássica de melhor desempenho (baseado nas poropressões), partindo das mesmas variáveis independentes.Item Rock mass classification by multivariate statistical techniques and artificial intelligence.(2020) Santos, Allan Erlikhman Medeiros; Lana, Milene Sabino; Pereira, Tiago MartinsThis study aims to improve the quality and accuracy of RMR classification system for rock masses in open pit mines. A database of open pit mines comprising basic parameters for obtaining the RMR was used. Techniques applied in this research were multivariate statistics and artificial intelligence. In relation to multivariate statistics, factor analysis was capable of identifying underlying factors not observable in the original variables, using the variables of these factors in the classification system, instead of all RMR variables. The proposed classifier was obtained by training neural networks. The results of the factor analysis allowed the identification of three common factors. Factor 1 represents the strength and weathering of the rock mass. Factor 3 represents the fracturing degree of the rock mass. Finally Factor 2 represents water flow conditions. Thirty artificial neural networks were trained with randomly selected training samples. The trained networks proved to be effective and stable. Regarding the validation of the networks, the values obtained for the overall probability of success and apparent error rate showed normal distributions and a low dispersion rate, with average rates of 0.87 and 0.13, respectively. Regarding specific errors, error values were recorded only between contiguous RMR classes. The major contribution of the study is to present a new methodology for achieving rock mass classifications based on mathematical and statistical fundamentals, aiming at optimising the selection of variables and consequent reduction of subjectivity in the parameters and classification methods.Item Utilização de técnicas estatísticas e de aprendizado de máquina para identificação de anomalias em dados de monitoramento de barragens de rejeito de mineração.(2023) Brandão, Hugo Assis; Santos, Tatiana Barreto dos; Santos, Tatiana Barreto dos; Santos, Allan Erlikhman Medeiros; Marinho, Fernando Antonio MedeirosO número de incidentes relacionados a rupturas de barragens de rejeitos de mineração tem aumentado nos últimos anos, sendo observada uma média de três incidentes mundialmente por ano. As consequências das rupturas entre 1915 e 2022 resultaram em cerca de 2.650 fatalidades e mais de 250 milhões de m3 de resíduos liberados ao meio ambiente. O plano de monitoramento auxilia a equipe responsável pela barragem no melhor entendimento de seu comportamento, sendo possível identificar comportamentos anômalos, permitindo assim uma melhor gestão do risco associado a estrutura. O plano contempla atividades relacionadas a inspeções visuais, inspeções e testes de equipamentos e monitoramento por meio de instrumentação. A instalação de instrumentos permite a medição de variáveis ambientais, tais como temperatura e nível do reservatório, e variáveis de efeito, tais como nível de água e poropressão no interior do maciço e fundação. Com base nessas variáveis é possível comparar o comportamento real da estrutura com seu comportamento esperado, sendo uma das variáveis de controle a poropressão, medida por piezômetros. A análise dos dados pode ser realizada com base em modelos determinísticos, estatísticos e preditivos. Esta dissertação apresenta um estudo onde são aplicados os modelos de regressão linear (RL) e k-nearest neighbors (KNN) para a predição de leituras em piezômetros com base na leitura anterior, uma vez que ambas guardam forte correlação. Os modelos foram calibrados e validados considerando duas diferentes proporções de treino/teste, sendo que a proporção de 80% dos dados no banco de treino e 20% no banco de teste apresentou o melhor desempenho em ambos os modelos. Os modelos calibrados com base nessa proporção apresentaram valores de R2 superiores à 0,89, RMSE de aproximadamente 0,16m e MAE de aproximadamente 0,10m. O modelo KNN com 15 vizinhos apresentou melhor desempenho, sendo obtido um R2 de 0,91 para o banco de treino e de 0,94 para o banco de teste. Foi então adotado esse modelo para o cálculo do valor predito e obtenção dos resíduos. Foram aplicadas técnicas estatísticas (análise de distribuição e análise da distância interquartil - IQR) e de aprendizado de máquina (local outlier factor - LOF) para a identificação de anomalias. A técnica LOF apresentou o melhor desempenho identificando todas as anomalias encontradas pelos outros métodos e pontos que apresentaram valores de taxa de variação superiores aos valores históricos. Dessa forma, acredita-se que as técnicas de aprendizagem de máquina possuem um grande potencial de aplicação na identificação de anomalias e podem auxiliar em uma melhor gestão de estruturas geotécnicas.