• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Disertación de Maestría
DOI
https://doi.org/10.11606/D.14.2021.tde-22082021-145637
Documento
Autor
Nombre completo
Raphael Fernandes Prieto
Dirección Electrónica
Instituto/Escuela/Facultad
Área de Conocimiento
Fecha de Defensa
Publicación
São Paulo, 2021
Director
Tribunal
Trindade, Ricardo Ivan Ferreira da (Presidente)
Pessin, Gustavo
Silva, Adalene Moreira
Título en portugués
Aplicação de Aprendizado Supervisionado em Dados de Perfilagem Geofísica para a Classificação Automatizada de Litotipos na Exploração de Minério de Ferro em Carajás.
Palabras clave en portugués
Aprendizado de Máquina
Carajás
Minério de Ferro
Perfilagem Geofísica
S11D
Resumen en portugués
Na indústria da mineração a principal forma de investigação geológica é através da sondagem exploratória, e das etapas subsequentes de descrição geológica de testemunhos de sondagem, preparação de amostras e análises químicas. Essas são atividades de mineração que possuem processos bem estabelecidos e elevado grau de confiabilidade. Entretanto os prazos envolvidos nessas etapas, no melhor dos cenários, variam na escala de semanas a meses. Nesse trabalho foi utilizado um conjunto de dados integrando as bases de dados de perfilagem geofísica convencional e de descrição geológica, na jazida de S11D, Província Mineral de Carajás, com o objetivo de desenvolver um modelo de classificação automatizada de litotipos a partir dos dados de perfilagem geofísica, sob a abordagem de aprendizado supervisionado, acelerando o processo de descrição e modelagem geológica a escala de dias. Os procedimentos para a classificação de dados visaram a individualização de diferentes litotipos no contexto da exploração de minério de ferro em S11D, e também de acordo com seu valor econômico (Minério de Ferro e Não-minério). Os dados obtidos pela perfilagem geofísica convencional refletem, nessa jazida, diferenças geológicas que permitiram, a classificação e predição bem sucedidas dos litotipos (F1 = 0.6079), pelo modelo Decision Tree, e a identificação dos intervalos contendo minério de ferro pelo modelo Naïve Bayes (F1 = 0.8246).
Título en inglés
Supervised learning applied to geophysical well logging data for automated lithological classification in iron ore exploration at Carajás Mineral Province, Brazil
Palabras clave en inglés
Carajás
Geophysical Logging
Iron Ore
Machine Learning
S11D
Resumen en inglés
In the mining industry, the main subsurface investigation method is exploratory drilling, and the subsequent stages of geological logging, sample preparation and chemical assay that supports geological interpretations. These are exploratory activities that have well-established processes and a high degree of reliability. However, the deadlines involved in these steps, at best, vary from weeks to months. In this work, a dataset integrating geophysical well logging and of the geological logging from S11D deposit, in the Mineral Province of Carajás, was used with the objective of developing a model for automated lithotypes and iron ore classification from geophysical well logging data, under the supervised learning approach, decreasing the time expended in comparison with geological interpretations. The procedures aimed at the individualization of different lithotypes in the context of S11D, and also according to its economic value (Iron Ore and Non-ore). The data obtained by conventional geophysical logging reflect, in this deposit, geological differences that allowed the successful classification and prediction of lithotypes (F1 = 0.6079), by the Decision Tree model, and the identification of the intervals containing iron ore by Naïve Bayes model (F1 = 0.8246).
 
ADVERTENCIA - La consulta de este documento queda condicionada a la aceptación de las siguientes condiciones de uso:
Este documento es únicamente para usos privados enmarcados en actividades de investigación y docencia. No se autoriza su reproducción con finalidades de lucro. Esta reserva de derechos afecta tanto los datos del documento como a sus contenidos. En la utilización o cita de partes del documento es obligado indicar el nombre de la persona autora.
Fecha de Publicación
2021-09-13
 
ADVERTENCIA: Aprenda que son los trabajos derivados haciendo clic aquí.
Todos los derechos de la tesis/disertación pertenecen a los autores
CeTI-SC/STI
Biblioteca Digital de Tesis y Disertaciones de la USP. Copyright © 2001-2022. Todos los derechos reservados.