Dados do Trabalho

Título

CLASSIFICAÇÃO DE MACIÇOS ROCHOSOS EM MINAS A CÉU ABERTO NO BRASIL: UMA ABORDAGEM BASEADA EM INTELIGÊNCIA ARTIFICIAL E ANÁLISE FATORIAL

Resumo

O propósito deste estudo é propor novos modelos para a classificação de maciços rochosos de minas a céu aberto localizadas no Brasil, fundamentados no sistema RMR. Os modelos propostos são baseados em técnicas de inteligência artificial. A seleção das variáveis foi feita a partir da análise fatorial, sendo os modelos de classificação treinados por meio de aprendizagem supervisionada. As técnicas aplicadas foram as redes neurais artificiais, naïve Bayes, random forest e máquinas de vetores de suporte. A utilização destes métodos quantitativos reduz a subjetividade dos sistemas propostos. O resultado da análise fatorial permitiu a identificação de três fatores comuns, sendo o primeiro relacionado à resistência e à alteração da rocha; o segundo relacionado à condição e presença de água no maciço, e o terceiro relacionado ao grau de fraturamento do maciço rochoso. Assim, 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 trabalho apresenta uma nova abordagem 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. Apesar da complexidade matemática das técnicas utilizadas, os resultados são de fácil compreensão e aplicabilidade.

Palavras-chave

maciços rochosos, classificação geomecânica, inteligência artificial; análise fatorial; lavra a céu aberto

Arquivos