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

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Azevedo, André Gonçalves de
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
dARK ID: ark:/61566/001300000kh7h
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Solos - compactação
Minérios de ferro
Rejeitos - metalurgia
Inteligência artificial
Estatística
Link de acesso: https://www.repositorio.ufop.br/handle/123456789/20235
Resumo: Programa de Pós-Graduação em Geotecnia. Núcleo de Geotecnia, Escola de Minas, Universidade Federal de Ouro Preto.
id UFOP_7b5f6ea08b2ad0510f16dfdb39eccba3
oai_identifier_str oai:repositorio.ufop.br:123456789/20235
network_acronym_str UFOP
network_name_str Repositório Institucional da UFOP
repository_id_str
spelling Aplicação de técnicas de aprendizado de máquina e estudo estatístico sugerido por Kuczynski para determinar parâmetros de compactação do rejeito de minério de ferro.Solos - compactaçãoMinérios de ferroRejeitos - metalurgiaInteligência artificialEstatísticaPrograma de Pós-Graduação em Geotecnia. Núcleo de Geotecnia, Escola de Minas, Universidade Federal de Ouro Preto.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.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.Santos, Tatiana Barreto dosSantos, Tatiana Barreto dosFerreira, Lucas DeleonSchnaid, FernandoAzevedo, André Gonçalves de2025-06-06T20:54:39Z2025info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfAZEVEDO, 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. 2025. 204 f. Dissertação (Mestrado em Geotecnia) – Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2025.https://www.repositorio.ufop.br/handle/123456789/20235ark:/61566/001300000kh7hAttribution-NoDerivs 3.0 United Stateshttp://creativecommons.org/licenses/by-nd/3.0/us/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.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFOPinstname:Universidade Federal de Ouro Preto (UFOP)instacron:UFOP2025-10-10T19:53:44Zoai:repositorio.ufop.br:123456789/20235Repositório InstitucionalPUBhttp://www.repositorio.ufop.br/oai/requestrepositorio@ufop.edu.bropendoar:32332025-10-10T19:53:44Repositório Institucional da UFOP - Universidade Federal de Ouro Preto (UFOP)false
dc.title.none.fl_str_mv Aplicação de técnicas de aprendizado de máquina e estudo estatístico sugerido por Kuczynski para determinar parâmetros de compactação do rejeito de minério de ferro.
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.
spellingShingle 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
Solos - compactação
Minérios de ferro
Rejeitos - metalurgia
Inteligência artificial
Estatística
title_short Aplicação de técnicas de aprendizado de máquina e estudo estatístico sugerido por Kuczynski para determinar parâmetros de compactação do rejeito de minério de ferro.
title_full Aplicação de técnicas de aprendizado de máquina e estudo estatístico sugerido por Kuczynski para determinar parâmetros de compactação do rejeito de minério de ferro.
title_fullStr Aplicação de técnicas de aprendizado de máquina e estudo estatístico sugerido por Kuczynski para determinar parâmetros de compactação do rejeito de minério de ferro.
title_full_unstemmed Aplicação de técnicas de aprendizado de máquina e estudo estatístico sugerido por Kuczynski para determinar parâmetros de compactação do rejeito de minério de ferro.
title_sort Aplicação de técnicas de aprendizado de máquina e estudo estatístico sugerido por Kuczynski para determinar parâmetros de compactação do rejeito de minério de ferro.
author Azevedo, André Gonçalves de
author_facet Azevedo, André Gonçalves de
author_role author
dc.contributor.none.fl_str_mv Santos, Tatiana Barreto dos
Santos, Tatiana Barreto dos
Ferreira, Lucas Deleon
Schnaid, Fernando
dc.contributor.author.fl_str_mv Azevedo, André Gonçalves de
dc.subject.por.fl_str_mv Solos - compactação
Minérios de ferro
Rejeitos - metalurgia
Inteligência artificial
Estatística
topic Solos - compactação
Minérios de ferro
Rejeitos - metalurgia
Inteligência artificial
Estatística
description Programa de Pós-Graduação em Geotecnia. Núcleo de Geotecnia, Escola de Minas, Universidade Federal de Ouro Preto.
publishDate 2025
dc.date.none.fl_str_mv 2025-06-06T20:54:39Z
2025
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv 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. 2025. 204 f. Dissertação (Mestrado em Geotecnia) – Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2025.
https://www.repositorio.ufop.br/handle/123456789/20235
dc.identifier.dark.fl_str_mv ark:/61566/001300000kh7h
identifier_str_mv 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. 2025. 204 f. Dissertação (Mestrado em Geotecnia) – Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2025.
ark:/61566/001300000kh7h
url https://www.repositorio.ufop.br/handle/123456789/20235
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NoDerivs 3.0 United States
http://creativecommons.org/licenses/by-nd/3.0/us/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NoDerivs 3.0 United States
http://creativecommons.org/licenses/by-nd/3.0/us/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFOP
instname:Universidade Federal de Ouro Preto (UFOP)
instacron:UFOP
instname_str Universidade Federal de Ouro Preto (UFOP)
instacron_str UFOP
institution UFOP
reponame_str Repositório Institucional da UFOP
collection Repositório Institucional da UFOP
repository.name.fl_str_mv Repositório Institucional da UFOP - Universidade Federal de Ouro Preto (UFOP)
repository.mail.fl_str_mv repositorio@ufop.edu.br
_version_ 1856654651578908672

Registros relacionados