Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/41451
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.creator | Allan Erlikhman Medeiros Santos | pt_BR |
dc.creator | Talita Káren Magalhães Amaral | pt_BR |
dc.creator | Guilherme Alzamora Mendonça | pt_BR |
dc.creator | Denise de Fátima Santos da Silva | pt_BR |
dc.date.accessioned | 2022-05-06T22:55:12Z | - |
dc.date.available | 2022-05-06T22:55:12Z | - |
dc.date.issued | 2020 | - |
dc.citation.volume | 73 | pt_BR |
dc.citation.issue | 3 | pt_BR |
dc.citation.spage | 395 | pt_BR |
dc.citation.epage | 401 | pt_BR |
dc.identifier.doi | 10.1590/0370-44672020730012 | pt_BR |
dc.identifier.issn | 2448-167X | pt_BR |
dc.identifier.uri | http://hdl.handle.net/1843/41451 | - |
dc.description.abstract | A mineração subterrânea é um conjunto de métodos que permite a extração do minério em profundidade, garantindo sustentabilidade e viabilidade econômica. Um dos problemas que surgem nas operações de minas subterrâneas é a estabilidade do desmonte aberto. O método para avaliar a estabilidade dos realces abertos é o gráfico de estabilidade proposto por Mathews et al. (1981). É possível estimar e fornecer informações sobre essa estabilidade e auxiliar na tomada de decisão sobre sua viabilidade. Com os dados obtidos de 35 desobstruídos de uma mina de zinco, o presente estudo visa utilizar técnicas de inteligência artificial, especificamente redes neurais artificiais, para processar os dados e classificar os desobstruídos de acordo com as regiões de estabilidade do gráfico. Como resultado, a metodologia aplicada apresentou boa assertividade para a classificação de duas classes, stopes abertos estáveis e instáveis, resultando em uma probabilidade global de sucesso de 82% de probabilidade geral de acerto e 18% de taxa de erro aparente. Para a classificação em três classes, somando-se os realces abertos transicionais, a validação interna apresentou uma probabilidade global de sucesso de 91% e taxa de erro aparente de 9%. Na validação externa, as medidas de avaliação da rede apresentaram valores de probabilidade global de sucesso de 42% e taxa de erro aparente de 58%. | pt_BR |
dc.description.resumo | Underground mining is a set of methods that allows the extraction of ore in depth, ensuring sustainability and economic viability. One of the problems that arise in underground mine operations is open stope stability. The method for assessing stabil ity of open stopes is the stability graph proposed by Mathews et al. (1981). It is possible to estimate and provide information about this stability and assist in the decision mak ing about its viability. With the data obtained from 35 open stopes from a Zinc mine, the present study aims to use artificial intelligence techniques, specifically artificial neural networks, to process the data and classify the open stopes according to the sta bility regions of the graph. As a result, the applied methodology presented good asser tiveness for the classification of two classes, stable and unstable open stopes, resulting in a global probability success of 82% overall hit probability and 18% apparent error rate. For the classification into three classes, adding the transitional open stopes, the internal validation presented a global probability success of 91% and apparent error rate of 9%. In external validation, the network evaluation measures presented values of global probability success of 42% and apparent error rate of 58%. | pt_BR |
dc.format.mimetype | pt_BR | |
dc.language | eng | pt_BR |
dc.publisher | Universidade Federal de Minas Gerais | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | IGC - INSTITUTO DE GEOCIENCIAS | pt_BR |
dc.publisher.initials | UFMG | pt_BR |
dc.relation.ispartof | REM - International Engineering Journal | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject.other | Estabilidade do stope aberto | pt_BR |
dc.subject.other | Redes neurais artificiais | pt_BR |
dc.subject.other | Inteligência artificial | pt_BR |
dc.subject.other | Parada de subnível | pt_BR |
dc.title | Open stope stability assessment through artificial intelligence | pt_BR |
dc.title.alternative | Avaliação da estabilidade do stope aberto por meio de inteligência artificial | pt_BR |
dc.type | Artigo de Periódico | pt_BR |
dc.url.externa | https://www.scielo.br/j/remi/a/ys8bLFZVKC9zJ7LCSypggQM/?lang=en | pt_BR |
Appears in Collections: | Artigo de Periódico |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
2020_Open stope stability assessment through artificial intelligence.pdf | 1.94 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.