Aplicação de técnicas de aprendizado de máquina e estudo estatístico sugerido por Kuczynski para determinar parâmetros de compactação do rejeito de minério de ferro.

Azevedo, André Gonçalves de

Aplicação de técnicas de aprendizado de máquina e estudo estatístico sugerido por Kuczynski para determinar parâmetros de compactação do rejeito de minério de ferro.

Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/capes/1004324

Registro completo de metadados

Metadados	Descrição	Idioma
Autor(es): dc.contributor	Santos, Tatiana Barreto dos	-
Autor(es): dc.contributor	Santos, Tatiana Barreto dos	-
Autor(es): dc.contributor	Ferreira, Lucas Deleon	-
Autor(es): dc.contributor	Schnaid, Fernando	-
Autor(es): dc.creator	Azevedo, André Gonçalves de	-
Data de aceite: dc.date.accessioned	2025-08-21T15:10:24Z	-
Data de disponibilização: dc.date.available	2025-08-21T15:10:24Z	-
Data de envio: dc.date.issued	2025-06-06	-
Data de envio: dc.date.issued	2024	-
Fonte completa do material: dc.identifier	https://www.repositorio.ufop.br/handle/123456789/20235	-
Fonte: dc.identifier.uri	http://educapes.capes.gov.br/handle/capes/1004324	-
Descrição: dc.description	Programa de Pós-Graduação em Geotecnia. Núcleo de Geotecnia, Escola de Minas, Universidade Federal de Ouro Preto.	-
Descrição: dc.description	O Brasil é reconhecido pela grandeza de seus depósitos de minério de ferro, o que o coloca como um dos principais atores no cenário global da mineração. Na etapa de beneficiamento do minério de ferro, são gerados os rejeitos. As estruturas de armazenamento desses resíduos de mineração passaram, nos últimos 10 anos, por uma forte tendência de migração das barragens para os empilhamentos de rejeito filtrado, motivando um maior entendimento da construção de aterros de rejeito em condições não saturadas e dilatantes por meio de controle de compactação. Assim, este trabalho tem como objetivo verificar a aplicabilidade da metodologia de regressão hiperbólica proposta por Kuczynski (1950), originalmente fundamentada em solos naturais, bem como a aplicabilidade de técnicas de estatística multivariada e aprendizado de máquina para predizer parâmetros de compactação de rejeitos, facilitando a tomada de decisão em campo. Os modelos preditivos construídos indicam que a aplicação direta da formulação original de Kuczynski não é capaz de explicar o parâmetro massa específica seca máxima. Com valores negativos de R2 (-0,83587 no treino e -0,477672 no teste), a formulação não captura bem a relação entre as variáveis independentes e dependentes para os rejeitos estudados e exibe os maiores erros médios absolutos e maiores raízes do erro médio quadrático, tanto para treino quanto para teste. O modelo de regressão hiperbólica com coeficientes ajustados para os rejeitos apresentou predições mais adequadas do que o original. A rede neural artificial apresentou o melhor coeficiente de determinação (R2 = 0,84225), seguida pela floresta aleatória com seleção de variáveis (R2 = 0,84075), K-ésimo vizinho mais próximo com seleção de variáveis (R2 = 0,83318), máquina de vetor suporte (R2 = 0,82536), regressão linear múltipla (R2 = 0,82001) e, por último, regressão hiperbólica com ajuste dos coeficientes para os dados dos rejeitos (R2 = 0,72939). Os resultados da importância das variáveis, junto às métricas de validação, indicam que a proposta de relacionar massa específica seca máxima ao teor de umidade ótima, à distribuição granulométrica e às propriedades da partícula sólida, é valiosa para explicar comportamentos dos rejeitos e refinar a performance dos modelos preditivos.	-
Descrição: dc.description	Brazil is recognized for the vastness of its iron ore deposits, which positions it as one of the main players in the global mining scenario. During the beneficiation stage of iron ore, tailings are generated. Over the last 10 years, the storage structures for these mining tailings have shown a strong trend of migration from dams to filtered stacked tailings, prompting a greater understanding of the construction of tailings landfills under unsaturated and dilatant conditions through compaction control. Thus, this work aims to verify the applicability of the hyperbolic regression methodology proposed by Kuczynski (1950), originally based on natural soils, as well as the applicability of multivariate statistical techniques and machine learning to predict tailings compaction parameters, facilitating decision-making in the field. The predictive models constructed indicate that the direct application of Kuczynski's original formulation is not capable of explaining the maximum dry density parameter. With negative R2 values (-0.83587 in training and -0.477672 in testing), the formulation does not capture well the relationship between the independent and dependent variables for the studied tailings and exhibits the highest mean absolute errors and highest root mean square errors, both in training and testing. The hyperbolic regression model with coefficients adjusted for the tailings presented more adequate predictions than the original. The artificial neural network presented the best determination coefficient (R2 = 0.84225), followed by the random forest with variable selection (R2 = 0.84075), k-nearest neighbor with variable selection (R2 = 0.83318), support vector machine (R2 = 0.82536), multiple linear regression (R2 = 0.82001), and finally, hyperbolic regression with coefficient adjustment for the tailings data (R2 = 0.72939). The results of variable importance, along with validation metrics, indicate that the proposal to relate maximum dry density to optimal moisture content, particle size distribution, and solid particle properties is valuable for explaining tailings behavior and improving the performance of predictive models.	-
Formato: dc.format	application/pdf	-
Idioma: dc.language	pt_BR	-
Direitos: dc.rights	aberto	-
Direitos: dc.rights	Attribution-NoDerivs 3.0 United States	-
Direitos: dc.rights	http://creativecommons.org/licenses/by-nd/3.0/us/	-
Direitos: dc.rights	Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 29/05/2025 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. Não permite a adaptação.	-
Palavras-chave: dc.subject	Solos - compactação	-
Palavras-chave: dc.subject	Minérios de ferro	-
Palavras-chave: dc.subject	Rejeitos - metalurgia	-
Palavras-chave: dc.subject	Inteligência artificial	-
Palavras-chave: dc.subject	Estatística	-
Título: dc.title	Aplicação de técnicas de aprendizado de máquina e estudo estatístico sugerido por Kuczynski para determinar parâmetros de compactação do rejeito de minério de ferro.	-
Tipo de arquivo: dc.type	livro digital	-
Aparece nas coleções:	Repositório Institucional - UFOP

Não existem arquivos associados a este item.

O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma:

O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.

Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo

Mostrar registro simples do item Visualizar estatísticas

Denunciar conteúdo impróprio

Você é humano?

Aplicação de técnicas de aprendizado de máquina e estudo estatístico sugerido por Kuczynski para determinar parâmetros de compactação do rejeito de minério de ferro.