Proposta de modelos de predição da resistência não drenada de rejeitos de bauxita.

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorSantos, Tatiana Barreto dos-
Autor(es): dc.contributorSantos, Tatiana Barreto dos-
Autor(es): dc.contributorCandido, Eduardo Souza-
Autor(es): dc.contributorSantos, Allan Erlikhman Medeiros-
Autor(es): dc.creatorPinto, Guilherme Henrique da Silva-
Data de aceite: dc.date.accessioned2025-08-21T15:44:33Z-
Data de disponibilização: dc.date.available2025-08-21T15:44:33Z-
Data de envio: dc.date.issued2023-05-30-
Data de envio: dc.date.issued2023-05-30-
Data de envio: dc.date.issued2022-
Fonte completa do material: dc.identifierhttp://www.repositorio.ufop.br/jspui/handle/123456789/16738-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1023015-
Descrição: dc.descriptionPrograma de Pós-Graduação em Engenharia Mineral. Departamento de Engenharia de Minas, Escola de Minas, Universidade Federal de Ouro Preto.-
Descrição: dc.descriptionA correta determinação de parâmetros de resistência de rejeitos é essencial na engenharia geotécnica. Casos recentes de rupturas de barragens de rejeito de mineração, reforçam a necessidade de um melhor entendimento do comportamento mecânico de rejeitos. Para a determinação da resistência não drenada desses materiais, comumente são utilizados ensaios de campo como o ensaio de piezocone (CPTu) e palheta (Vane). Apesar dos ensaios de campo fornecerem uma medida in situ das propriedades do solo/rejeito, as metodologias para determinação da resistência não drenada por meio destes ensaios advêm de correlações empíricas e/ou analíticas que foram propostas e validadas em solos naturais. Visando contornar problemas de predição semelhantes ao tratado neste trabalho, vários autores têm aplicado técnicas da ciência de dados (estatística multivariada, aprendizado de máquina e inteligência artificial) como K-ésimo Vizinho mais Próximo, Florestas Aleatórias, Regressão Linear Múltipla, Máquina Vetor Suporte, dentre outras. Sendo assim, o presente trabalho tem por objetivo aplicar tais técnicas para a obtenção de modelos capazes de prever a resistência não drenada de pico de um rejeito de bauxita por meio de ensaios de campo (piezocone e palheta) e laboratório (teor de umidade). As variáveis influentes na obtenção da resistência não drenada também foram avaliadas por meio de diferentes combinações nos input das variáveis nos modelos. Foi aplicado também a técnica de validação cruzada k-fold para avaliar a acurácia e capacidade de generalização dos modelos elaborados. Além disso, é apresentada proposta metodológica para caracterização do comportamento não drenado com base nos dados dos ensaios de CPTu e dissipação de poropressão. Os modelos de ciência de dados obtidos foram comparados com a metodologia baseada fatores do cone Nkt, Nu e Nke calibrados com o Vane para a determinação da resistência não drenada. Dentre os resultados obtidos, as técnicas de ciência de dados apresentaram R2 superiores à 0,90, mostrando também menor dispersão dos resultados preditos se comparadas à metodologia baseada nos fatores supracitados. Com base no estudo das variáveis influentes, foi observado que as poropressões são as variáveis que mais influenciam na predição da resistência não drenada. Além disso, por meio do teste estatístico t-student foi comprovado que os modelos de ciência de dados têm desempenho superior à metodologia clássica de melhor desempenho (baseado nas poropressões), partindo das mesmas variáveis independentes.-
Descrição: dc.descriptionThe correct determination of tailings strength parameters is essential in geotechnical engineering. Recent cases of mining tailings dam ruptures reinforce the necessity for a better understanding of the mechanical behavior of tailings. In order to determine the undrained shear strength of these materials, field tests are commonly used, such as the piezocone (CPTu) and vane tests. Although the field tests provide an in-situ measure of the properties of the soil/tailings, the methodologies for determining the undrained shear strength through these tests come from empirical and/or analytical correlations that were proposed and validated in natural soils. Aiming to overcome prediction problems like the one addressed in this study, several authors have applied data science techniques (multivariate statistics, machine learning and artificial intelligence) such as the Kth Nearest Neighbor, Random Forests, Multiple Linear Regression, Support Vector Machine, among others. Therefore, the present study aims to apply such techniques to obtain models capable of predicting the peak undrained shear strength of bauxite tailings through field tests (piezocone and vane) and laboratory tests (moisture content). The influential variables in obtaining the undrained shear strength were also evaluated through different combinations of input variables in the models. The k-fold cross-validation technique was also applied to assess the accuracy and generalizability of the models developed. Furthermore, a methodological proposal is presented for the characterization of the undrained behavior based on data from the CPTu tests and pore pressure dissipation. The obtained data science models were compared with the methodology based on cone factors Nkt, Nu and Nke calibrated with Vane for the determination of the undrained shear strength. Among the results obtained, the data science techniques presented R2 higher than 0.90, also showing less dispersion of the predicted results when compared to the methodology based on the aforementioned factors. Based on the study of influential variables, it was observed that pore pressures are the variables that most influence the prediction of undrained shear strength. In addition, through the t-student statistical test, it was proven that data science models outperform the classic methodology with the best performance (based on pore pressures), based on the same independent variables.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsaberto-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nd/3.0/us/-
Direitos: dc.rightsAutorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 01/05/2023 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.subjectEngenharia geotécnica-
Palavras-chave: dc.subjectBarragens de rejeitos-
Palavras-chave: dc.subjectDrenagem - solos-
Palavras-chave: dc.subjectAprendizado de máquina-
Palavras-chave: dc.subjectRegressão linear múltipla-
Título: dc.titleProposta de modelos de predição da resistência não drenada de rejeitos de bauxita.-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - UFOP

Não existem arquivos associados a este item.