DEMIN - Departamento de Engenharia de Minas

URI permanente desta comunidadehttp://www.hml.repositorio.ufop.br/handle/123456789/510

Navegar

Filtros

2011 - 20203

Configurações

Tem arquivos: SimAssunto: search.filters.subject.Artificial neural networks

Resultados da Pesquisa

Agora exibindo 1 - 3 de 3
  • Nenhuma Miniatura Disponível
    Item
    Rock mass classification by multivariate statistical techniques and artificial intelligence.
    (2020) Santos, Allan Erlikhman Medeiros; Lana, Milene Sabino; Pereira, Tiago Martins
    This 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.
  • Nenhuma Miniatura Disponível
    Item
    Simulação de moagem mista por rede neural artificial.
    (2012) Rosa, Germano Mendes; Luz, José Aurélio Medeiros da
    Esse artigo versa sobre a aplicação de um simulador de moagem mista baseado em redes neurais artificiais (do tipo perceptron multicamadas com treinamento supervisionado com o algoritmo retropropagação com momento). Os dados experimentais aqui utilizados provieram do trabalho atinente ao artigo intitulado “Seletividade na cominuição de mesclas de dolomita e quartzo”. Para verificar a estabilidade estatística do processo de simulação, utilizou-se a carta de controle Shewhart para valores individuais, a qual se mostrou útil para orientar a aceitação dos treinamentos. Os resultados mostraram bom desempenho dessa ferramenta na simulação de moagem mista (moagem de mistura de componentes de diferentes moabilidades), problema de comum ocorrência no setor minerometalúrgico.
  • Nenhuma Miniatura Disponível
    Item
    Cominuição a seco de mesclas de quartzo e dolomita.
    (2011) Rosa, Germano Mendes; Luz, José Aurélio Medeiros da
    Estudou-se o comportamento dos principais parâmetros da moagem a seco de mesclas binárias em batelada dos minerais dolomita e quartzo. Por meio de vários ensaios físicos com diferentes proporções desses minerais por diferentes ciclos moagem, acompanhou-se a evolução da granulação dos produtos em termos de coeficiente de agudez, a, e diâmetro, d50, parâmetros da função de distribuição de probabilidades sigmoidal de Hill, a qual foi utilizada para ajustar a nuvem de dados. Os resultados subsidiaram o desenvolvimento de sistema simulador de cominuição baseado em rede neural artificial (do tipo perceptron de multicamada com algoritmo de supervisão e treinamento de retropropagação com momento), a ser objeto de artigo futuro.