Análise dos parâmetros condicionantes de problemas de estabilidade em uma mina subterrânea de ouro a partir de técnicas de reconhecimento de padrões.

• Ano de defesa: 2019
• Autor(a) principal: Gouvêa, Almir Donizette Vicente
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Análise estatística de dados; Aprendizado computacional; Automated learning; Geomecânica; Geomechanical parameters; Mineração subterrânea; Multivariate statistical analysis; Pattern recognition; Reconhecimento de padrões; Underground mining
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3134/tde-11052022-095609/

A mineração subterrânea de ouro exige que o minerador enfrente condições geomecânicas complexas em função dos teores cada vez mais baixos das jazidas, o que obriga à escavação de grandes quantidades de rocha em profundidades progressivamente maiores. Em minas subterrâneas estão associadas inúmeras variáveis que têm influência direta nos problemas de estabilidade, sendo necessário realizar análises e monitoramento constante para o acompanhamento da resposta do maciço em relação à lavra do minério. A pesquisa assumiu como objetivo utilizar técnicas de reconhecimento de padrões provenientes da análise estatística multivariada e da teoria do aprendizado automatizado para analisar os parâmetros condicionantes dos problemas de estabilidade: o capelamento e a quebra mecânica, nas rampas de acesso às galerias de uma mina subterrânea de ouro brasileira, mina Cuiabá da AngloGold Ashanti. Considerando os dados referentes aos parâmetros das rampas de acesso realizou-se a análise estatística multivariada considerando a aplicação de intervalos de confiança para a média dos parâmetros e teste de hipóteses para a diferença entre as médias, ambos com 95% de confiança, identificando assim quais parâmetros são disjuntos e quais são sobrepostos. Identificou-se as variáveis mais significativas por meio da análise de componentes principais (PCA) e do algoritmo Relief. O método Relief apresentou melhor desempenho sendo, portanto, o método incorporado na pesquisa para a diminuição da quantidade de variáveis analisadas. Através da aplicação do algoritmo Relief foram determinadas as variáveis que mais influenciam no problema de estabilidade: Estado de tensão in situ (SRF), Tipo de Rocha (TR), Tensões Totais (TT), Quantidade de Fraturas Esparsas (QFE) e grau de rugosidade das descontinuidades (Jr). A aplicação da teoria do aprendizado automatizado foi realizada utilizando os classificadores Redes Bayesianas, Redes Neurais e Máquina de Vetores de Suporte (utilizando os kernel linear, sigmoide, radial e polinomial). A técnica utilizada para analisar a eficiência dos classificadores foi a curva característica de operação do receptor (ROC). O classificador identificado como mais eficiente foi o de Redes Bayesianas. A partir do classificador selecionado construiu-se um nomograma que pode ser aplicado para analisar a condição de estabilidade das escavações na mina de ouro.