Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.creator | Santos, Allan Erlikhman Medeiros | - |
Autor(es): dc.creator | Lana, Milene Sabino | - |
Autor(es): dc.creator | Pereira, Tiago Martins | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:17:58Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:17:58Z | - |
Data de envio: dc.date.issued | 2021-11-11 | - |
Data de envio: dc.date.issued | 2021-11-11 | - |
Data de envio: dc.date.issued | 2019 | - |
Fonte completa do material: dc.identifier | http://www.repositorio.ufop.br/jspui/handle/123456789/13913 | - |
Fonte completa do material: dc.identifier | https://link.springer.com/article/10.1007%2Fs10706-020-01635-5 | - |
Fonte completa do material: dc.identifier | https://doi.org/10.1007/s10706-020-01635-5 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1009596 | - |
Descrição: dc.description | 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. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | en | - |
Direitos: dc.rights | restrito | - |
Palavras-chave: dc.subject | Rock mass classifications | - |
Palavras-chave: dc.subject | Factor analysis | - |
Palavras-chave: dc.subject | Artificial neural networks | - |
Palavras-chave: dc.subject | Geomechanical parameters | - |
Palavras-chave: dc.subject | Open pit mine | - |
Título: dc.title | Rock mass classification by multivariate statistical techniques and artificial intelligence. | - |
Aparece nas coleções: | Repositório Institucional - UFOP |
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: