Open stope stability assessment through artificial intelligence

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%.