Análise da estabilidade de talude ferroviário sob influência de cargas e vibrações utilizando modelos de aprendizado de máquina
Carregando...
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Dissertação de mestrado
Título alternativo
Primeiro orientador
Membros da banca
Eduardo Antonio Gomes Marques
Renata Maria Abrantes Baracho Porto
Renata Maria Abrantes Baracho Porto
Resumo
As ferrovias exercem uma função fundamental na mineração ao promover o transporte de grandes volumes de minério, e analisar a estabilidade dos taludes ferroviários é imprescindível na garantia da segurança operacional e integridade dos processos. Pautado na metodologia Action Design Research (ADR), este estudo tem como objetivo de avaliar a influência das cargas e das vibrações causadas pelos trens na estabilidade de taludes ferroviários, sob a ótica da inteligência artificial – mais especificamente, do aprendizado de máquina. A análise envolveu a construção de uma base de dados elaborada com a realização de análises de estabilidade com a variação de parâmetros e o subsequente treinamento de quatro algoritmos distintos: Decision Tree, K-Nearest Neighbors, Support Vector Machine e Voting Regressor. A avaliação dos algoritmos pelo erro médio absoluto, gráficos SHAP e validação cruzada k-fold indicaram que o KNN consistiu no mais adequado para o conjunto de dados. Por fim, o artefato desenvolvido foi aplicado com os dados reais da estrutura, onde verificou-se que, apesar de as cargas e as vibrações terem impacto no fator de segurança calculado, a variabilidade intrínseca dos parâmetros geotécnicos pode ocultar estes efeitos.
Abstract
Railways play a fundamental role in mining by promoting the transport of large ore volumes, and analyzing the stability of railway slopes is essential to ensure operational safety and continuous process integrity. Based on the Action Design Research (ADR) methodology, this study aims to evaluate the influence of loads and vibrations caused by trains on the stability of railway embankments, from the perspective of artificial intelligence – more specifically, machine learning. The analysis involved the construction of a database elaborated by carrying out stability analyzes with the variation of parameters and the subsequent training of four different algorithms: Decision Tree, K-Nearest Neighbors, Support Vector Machine and Voting Regressor. The evaluation of the algorithms by mean absolute error, SHAP plots and k-fold cross validation indicated that the KNN was the most suitable for the dataset. Finally, the developed artifact was applied with real data of the structure, where it was found that, although loads and vibrations have an impact on the calculated safety factor, the intrinsic variability of geotechnical parameters can cover these effects.
Assunto
Palavras-chave
Inteligência artificial, Aterro ferroviário, Estabilidade de taludes, Aprendizado de máquina