Aprendizaje automático en la determinación de parámetros de resistencia de filita blanda
DOI:
https://doi.org/10.33448/rsd-v12i1.39693Palabras clave:
Rocas blandas; Filitas; Parámetros de resistência; Aprendizaje automático; Redes neuronales artificiales; Regresión lineal.Resumen
Los aspectos geológicos-geotécnicos deben ser tomados en cuenta a partir de los estudios de exploración geológica en proyectos mineros. Algunos accidentes ocurridos en minas en las últimas décadas podrían evitarse si se entendieran las condiciones geológicas y geotécnicas del macizo. Todavía existe una gran dificultad para clasificar algunos tipos de rocas, especialmente rocas consideradas blandas, a través de sistemas de clasificación geomecánicos conocidos. La gran mayoría de las clasificaciones existentes se desarrollaron con base en las características de las rocas duras. Para macizos rocosos con poca resistencia es necesario adaptar los sistemas actuales o desarrollar nuevos sistemas de clasificación, que sean específicos para macizos rocosos blandos prácticamente continuos. El objetivo de este artículo es proponer el uso de técnicas de Machine Learning para predecir parámetros geotécnicos de rocas blandas, especialmente filita. Fueron usados datos históricos de los resultados de los ensayos de laboratorio geotécnico de rocas de las minas del Cuadrángulo de Hierro, que mediante una interacción optimizada y con la ayuda de técnicas de Inteligencia Artificial, como la Red Neuronal Artificial y la Regresión Lineal, son capaces de generar resultados. de interés para análisis de estabilidad y modelado geotécnico. De las técnicas utilizadas, los resultados mostraron que el método de Regresión Lineal fue satisfactorio en la determinación de los parámetros de resistencia de las filitas blandas y con buenas perspectivas de expansión y uso para otros parámetros, así como para otros tipos de rocas.
Citas
Beale, G. (2018). The role of Water in Slope Design for Weak Rocks. Guidelines for Open Pit Slope Design in Weak Rocks. D. Martin and Peter Stacey (eds.), CSIRO Publishing, Melbourne, Australia, 80-113
Freitas, J.P.S. (2016). Elaboração do modelo geomecânico tridimensional para a reavaliação e setorização geotécnica dos realces da Mineração Caraíba. Dissertação de Mestrado, NUGEO, Escola de Minas, Universidade Federal de Ouro Preto.
Hinkle, D. E., Wiersma, W. & Jurs, S. G. (2003). Applied statistics for the behavioral sciences. Vol. 663. Houghton Mifflin College Division.
Kanji, M. A. (2014). Critical issues in soft rocks. Journal of Rock Mechanics and Geotechnical Engineering 6 (2014) 186e195
Kundu, J., Sarkar, K., Singh, A. K., & Singh, T. N. (2020). QuickRMR beta. A Rock Mass Rating calculator based on continuous functions. https://jkundu.com/quickrmr.
Mahesh, B., (2019) Machine Learning Algorithms - A Review. International Journal os Science and Research (IJSR). https://www.researchgate.net/publication/344717762_Machine_Learning_Algorithms_-A_Review.
Manchao, H. & Xiaoming, S. (2020). State Key Laboratory of Geomechanics and Deep Underground Engineering (SKL-GDUE), China University of Mining and Technology, Beijing, China. © Springer Nature Switzerland AG 7 M. Kanji et al. (eds.), Soft Rock Mechanics and Engineering,
Nola, I. T. S. (2015). Avaliação de dados geológico-geotécnicos prévios para elaboração de Carta de Eventos Perigosos de movimentos de massa gravitacionais por meio de redes neurais artificiais e probabilidade. Dissertação de Mestrado (Geotecnia) – Escola de Engenharia de São Carlos. Universidade de São Paulo. São Carlos.
Oliveira Filho, A. G., & Bicalho K. (2018). Aplicação de Redes Neurais Artificiais na Estimativa de Propriedades Geotécnicas de Solos Argilosos. XIX Congresso Brasileiro de Mecânica dos Solos e Engenharia Geotécnica Geotecnia e Desenvolvimento Urbano. Salvador, BA
Palmström A. (1995). RMi: a rock mass characterization system for rock engineering purposes. University of Oslo, 400 p. (PhD Thesis).
Palmstron, A. (2022). RockMass.net. Geology Applied in Rock Construction. https://rockmass.net/estimations-with-rmi/
Pinheiro, R. F. S. (2013). Classificações geomecânicas mineiras para o dimensionamento de maciços rochosos: o aplicativo MGC-RocDesign|Calc. Mestrado em Engenharia Geotécnica e Geoambiente. ISEP - Instituto Superior de Engenharia do Porto.
Pinheiro, A. L. (2014). Influência das descontinuidades no comportamento geomecânico e nos modos de ruptura em taludes escavados em rochas brandas. 2014. 192 f. Tese (Doutorado em Geotecnia) - Universidade Federal de Ouro Preto, Ouro Preto.
Pinto, L. A. G. (2022). Determinação de parâmetros de resistência de filitos com uso de aprendizagem de máquina. Dissertação de Mestrado em Engenharia Mineral - Universidade Federal de Ouro Preto. Escola de Minas. Departamento de Engenharia de Minas.
Santos, T. B., Lana, M. S., Santos, A. & Silveira, L. R.C. (2017). Aplicabilidade de classificações geomecânicas para estimativa de propriedades de resistência em maciços rochosos brasileiros. Anais da Academia Brasileira de Ciências, 89 (2), 859-872. https://dx.doi.org/10.1590/0001-3765201720160065
Santos, A. E. M. (2021). Classificação de maciços rochosos por meio de técnicas da estatística multivariada e inteligência artificial. Tese Doutorado em Engenharia Mineral - Universidade Federal de Ouro Preto. Escola de Minas. Departamento de Engenharia de Minas.
Silva, C. H. C. (2010). Comportamento geotécnico dos filitos do talude oeste da Mina Pau Branco. Dissertação (Mestrado) - Universidade Federal de Ouro Preto. Escola de Minas. Departamento de Engenharia de Minas.
Silva J. M. (1997). Contribuição à Determinação da Rugosidade da Superfície de Descontinuidades Rochosas. Dissertação de mestrado. CPGEM. Universidade de São Paulo, EPUSP.
Somodi G., Bar N., Vasarhey B, Kovács, L., Arrieta, M., & Török, A. (2021). Correlation between the Rock Mass Quality (Q-system) method and Geological Strength Index (GSI). Correlations in Granite, Siltstone, Sandstone and Quartzite Rock Masses. Applied Science.
Souza, M. M. (2019). Estudos geotécnicos para determinação e viabilização de cavas operacionais e finais. Estudo de caso: cava Três Buracos, Goiás. Dissertação de Mestrado, Publicação 321/2019, Departamento de Engenharia Civil, Universidade de Brasília, Brasília, DF, 83p.
Souza, L. R., Sousa, L. R. Cuiying, Z. & Karam, K. (2020). Chapter 8 - Evaluation of Geomechanical Properties of Soft Rock Masses by Laboratory and In Situ Testing. M. Kanji et al. (eds.), Soft Rock Mechanics and Engineering. Springer Nature Switzerland.
Stephenson, R. M., & Sandy, M. P. (2021). Considerations for the designs and support of underground portals. Underground Operators Conference. Perth, WA, 15-17 March 2021.
Tao, Z., Zhou, C., Sousa, L. R. & Feifei, Z. (2020). Chapter 7 - Site Investigation for Soft Rock Mass. M. Kanji et al. (eds.), Soft Rock Mechanics and Engineering. Springer Nature Switzerland
Zhang, N. (2020). Chapter 9 - Interaction Between Water and Soft Rocks. M. Kanji et al. (eds.), Soft Rock Mechanics and Engineering. Springer Nature Switzerland
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 Lívia Aparecida Gonçalves Pinto; José Margarida da Silva
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
