Please use this identifier to cite or link to this item: http://www.repositorio.ufop.br/jspui/handle/123456789/11724
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorTorres, Vidal Félix Navarropt_BR
dc.contributor.advisorRêgo Segundo, Alan Kardekpt_BR
dc.contributor.advisorReis, Agnaldo José da Rochapt_BR
dc.contributor.authorCosta, João Henrique Rodrigues-
dc.date.accessioned2019-09-16T16:36:55Z-
dc.date.available2019-09-16T16:36:55Z-
dc.date.issued2019-
dc.identifier.citationCOSTA, João Henrique Rodrigues. Previsão de vibrações utilizando redes neurais artificiais no controle de desmonte de rochas. 2019. 91 f. Dissertação (Mestrado em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2019.pt_BR
dc.identifier.urihttp://www.repositorio.ufop.br/handle/123456789/11724-
dc.descriptionPrograma de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto.pt_BR
dc.description.abstractÉ cada vez maior a preocupação da indústria da mineração com o meio ambiente, especialmente com o impacto que ela causa nas comunidades vizinhas à mina. Somado a essa preocupação, tem-se o aumento no rigor das leis ambientais e trabalhistas. Nesse contexto, uma grande preocupação diz respeito ao controle das vibrações e pressão acústica causadas pelo desmonte de rochas com explosivos na lavra de minas. Objetiva-se com este trabalho criar um modelo de previsão de vibrações e pressão acústica usando redes neurais artificias. Para isso, foram treinadas várias configurações de arquitetura de rede usando uma base de dados proveniente de uma campanha de monitoramento in situ. O objetivo de treinar várias redes foi avaliar o desempenho das redes neurais com e sem a remoção de valores anômalos e assim selecionar a rede neural com melhor desempenho. Fez-se também a avaliação de sensibilidade das entradas da rede e dessa forma estabeleceu-se o impacto que cada entrada tem na estimativa da saída. Para avaliação dos níveis de vibração e pressão acústica, foi criada uma interface gráfica que possibilitou a estimativa desses valores utilizando os parâmetros do plano de fogo. A interface gráfica também foi capaz de mostrar no mapa o ponto de detonação e os valores de vibração associados a uma carga máxima por espera. O modelo de predição obteve coeficientes de determinação acima de 90%, índice esse, em média, acima daqueles obtidos com modelos de previsão tradicionais reportados na literatura. A rede neural também mostrou ser robusta à presença de valores anômalos na base inicial de dados, pois obteve-se maior coeficiente de determinação quando treinada com eles. Por fim, concluiu-se que o modelo de previsão e controle de vibrações mostrou-se eficaz pois possibilitou a estimativa de vibrações usando dados do plano de fogo e o auxilio de uma interface gráfica, obtendo um bom desempenho com coeficientes de determinação altos.pt_BR
dc.language.isopt_BRpt_BR
dc.rightsabertopt_BR
dc.subjectVibração - mediçãopt_BR
dc.subjectRedes neurais - computaçãopt_BR
dc.subjectRochas - controle de desmontept_BR
dc.subjectAcústica - previsão de pressãopt_BR
dc.titlePrevisão de vibrações utilizando redes neurais artificiais no controle de desmonte de rochas.pt_BR
dc.title.alternativeVibrations prediction using artificial neural network at rock blasting control.pt_BR
dc.typeDissertacaopt_BR
dc.rights.licenseAutorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 04/09/2019 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.pt_BR
dc.contributor.refereeTorres, Vidal Félix Navarropt_BR
dc.contributor.refereeRêgo Segundo, Alan Kardekpt_BR
dc.contributor.refereeReis, Agnaldo José da Rochapt_BR
dc.contributor.refereeLima, Hernani Mota dept_BR
dc.contributor.refereeArroyo Ortiz, Carlos Enriquept_BR
dc.contributor.refereeDutra, José Ildefonso Gusmãopt_BR
dc.description.abstractenA growing mining industry’s concern is the environment, especially the impact that mining has on neighboring communities to the mine. Added to this concern, the government have increased the severity of environmental and labor laws. In this context, a great concern is the respect for vibration control and airblast caused by rock removal with explosives at mining. This work aims to create a vibration and airblast prediction model using artificial neural networks. For this, have been trained multiple configurations of network architecture using a database from a in situ monitoring campaign. The goal was to train multiple networks and evaluate the performance with and without removing outliers, so select the best performance neural. The work also conducted the evaluation of sensitivity of the inputs of the network and thus established the impact that each input has on output estimate. For evaluation of vibration and airblast levels, was created a graphical interface to estimate these values by using the parameters of the blasting plan. The GUI is also capable of showing on a map the detonation points and the vibration values associated with the maximum charge per delay. The prediction model obtained a determination coefficient above 90%, which shows a good performance, on average, above those obtained with traditional forecast models reported in the literature. The neural network also was robust to the presence of outliers in database, as too obtained greater coefficient of determination when trained with outliers. Finally, it was concluded that the vibrations prediction model proved effectiveness because it made possible the estimation and control of vibrations using data from the blasting plan and the aid of a graphical interface, getting a good performance with high determination coefficients.pt_BR
Appears in Collections:PROFICAM - Mestrado (Dissertações)

Files in This Item:
File Description SizeFormat 
DISSERTAÇÃO_PrevisãoVibraçõesUsando.pdf13,98 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons