Modelos de predição da resistência não drenada de rejeitos de minério de ferro : uma abordagem por aprendizado de máquina e estatística multivariada.

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorSantos, Tatiana Barreto dos-
Autor(es): dc.contributorSantos, Tatiana Barreto dos-
Autor(es): dc.contributorSantos, Allan Erlikhman Medeiros-
Autor(es): dc.contributorSchnaid, Fernando-
Autor(es): dc.creatorMatarazo, Fernanda Yamaguchi-
Data de aceite: dc.date.accessioned2025-08-21T15:38:58Z-
Data de disponibilização: dc.date.available2025-08-21T15:38:58Z-
Data de envio: dc.date.issued2024-12-09-
Data de envio: dc.date.issued2024-12-09-
Data de envio: dc.date.issued2023-
Fonte completa do material: dc.identifierhttps://www.repositorio.ufop.br/handle/123456789/19329-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1020596-
Descrição: dc.descriptionPrograma de Pós-Graduação em Engenharia Mineral. Departamento de Engenharia de Minas, Escola de Minas, Universidade Federal de Ouro Preto.-
Descrição: dc.descriptionEm projetos geotécnicos, um dos aspectos críticos a serem considerados é a capacidade de um material de suportar cargas, sem expulsar a água contida em seus poros, um atributo conhecido como resistência não drenada. Esse aspecto é crucial em projetos de grande magnitude, como a construção de barragens e a gestão de pilhas de rejeitos de mineração. Para avaliar tal característica, muitos profissionais recorrem ao ensaio de palheta, uma prática endossada pela literatura. No entanto, essa abordagem, por si só, pode não ser suficiente, uma vez que requer uma análise aprofundada do perfil do solo e seu grau de saturação. Para aprimorar a precisão dos resultados, muitos profissionais combinam as informações do ensaio de palheta com os dados do CPTu, proporcionando uma visão mais abrangente do perfil do subsolo. Contudo, é importante destacar que as análises baseadas no CPTu, normalmente ajustadas para solos naturais, podem não ser as mais adequadas para materiais processados, como é o caso dos rejeitos de mineração. Diante dessa complexidade, o presente estudo desenvolveu modelos para a determinação da resistência não drenada dos rejeitos de minério de ferro via parâmetros do CPTu. Para isso, foi utilizado um banco de dados composto por 93 amostras de rejeito de minério de ferro provenientes de quatro locais distintos do Quadrilátero Ferrífero. Desenvolveu-se modelos de predição com algoritmos de regressão linear multivariada, KNN, Redes Neurais, SVM, Florestas Aleatórias e XGBoost. Posteriormente, os resultados obtidos foram comparados aos resultados via determinação da resistência não drenada por metodologias convencionais comumente empregadas com o ensaio CPTu baseadas nos fatores de carga (Nkt, Nke e NDu). Os modelos gerados apresentam-se mais acurados e com menores erros quando comparados aos resultados advindos das metodologias usuais. Sendo assim, os modelos desenvolvidos mostram-se como uma possível ferramenta para a elaboração de projetos de engenharia mais assertivos, seguros e com menores riscos, em consonância com as diretrizes apresentadas pelo GISTM (2020).-
Descrição: dc.descriptionIn geotechnical projects, one of the critical aspects to consider is a material's ability to withstand sudden loads without expelling the water contained in its pores, a attribute known as undrained shear strength. This aspect is crucial in large-scale projects such as dam construction and management of mining waste piles. To evaluate this characteristic, many professionals resort to the vane shear test, a practice endorsed by the literature. However, this approach alone may not be sufficient, as it requires a thorough analysis of the soil profile and its saturation degree. To enhance the accuracy of the results, many professionals combine vane shear test information with Cone Penetration Test with pore pressure measurement (CPTu) data, providing a more comprehensive view of the subsurface profile. However, it is important to note that CPTu-based analyses, typically tailored for natural soils, may not be the most suitable for processed materials, such as mining waste. Given this complexity, this study developed a model for determining the undrained shear strength of iron ore tailings via CPTu parameters. For this purpose, a database composed of 93 observations from four different locations in the Iron Quadrangle was used. Prediction models were developed using multivariate linear regression algorithms, KNN, Neural Networks, SVM, Random Forests, and XGBoost. Subsequently, the obtained results were compared with those obtained via conventional methodologies commonly employed with the CPTu test based on the load factors (Nkt, Nke, and NΔu). The generated models showed higher accuracy and lower errors compared to results from traditional methodologies. Therefore, the developed models prove to be a potential tool for the development of more accurate, secure, and lower-risk engineering projects, in line with the guidelines presented by GISTM (2020).-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsaberto-
Direitos: dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/us/-
Direitos: dc.rightsAutorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 02/12/2024 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 o uso para fins comerciais nem a adaptação.-
Palavras-chave: dc.subjectMinério de ferro-
Palavras-chave: dc.subjectResistência de materiais - resistência não drenada-
Palavras-chave: dc.subjectAprendizado de máquina - modelos de predição-
Palavras-chave: dc.subjectRejeitos - metalurgia-
Título: dc.titleModelos de predição da resistência não drenada de rejeitos de minério de ferro : uma abordagem por aprendizado de máquina e estatística multivariada.-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - UFOP

Não existem arquivos associados a este item.