Search

The peak particle velocity is the most commonly utilized metric in the mineral sector for quantifying and evaluating the damage potential of blast-induced ground vibration (PPV). Over time, initiatives have been conducted with the goal of measuring PPV levels. Intelligent systems are potential methods for estimating rock blasting results, due to significant improvements in computer technology. In this regard, the goal of this research is to use artificial neural networks to evaluate seismic vibrations caused by rock blasting with explosives in a mine in Quadrilátero Ferrífero. The database obtained in the field was separated into training (70%) and test (30%) samples. Different groups of variables were examined considering the necessity of selecting appropriate input variables for neural network training. The distance between the monitoring and detonation points, as well as the maximum charge per delay, were input variables in the network that performed best. The same database was used to compare the performance of neural networks with the performance of empirical and multiple regression models. Finally, in terms of coefficient of determination (R2) and root mean square error (RMSE) for measured and predicted data, the neural network model outperformed empirical equations and multiple regression. Furthermore, the importance of choosing the right input variables when using neural networks to estimate PPV was demonstrated. En la industria minera, el parámetro más utilizado para la cuantificación y evaluación del daño potencial de las vibraciones sísmicas generadas por la voladura de rocas es la velocidad máxima de vibración de partículas (VPP). Se han tomado varias iniciativas con el objetivo de estimar los niveles de VPP. Los rápidos avances en la tecnología informática han convertido a los sistemas inteligentes en herramientas prometedoras para estimar resultados de las voladuras de rocas. En este contexto, este estudio tiene como objetivo evaluar las vibraciones inducidas por la voladura de rocas con explosivos en una mina en el Quadrilátero Ferrífero por medio de redes neuronales artificiales. La base de datos se dividió en muestras de entrenamiento (70%) y prueba (30%) de las redes. Considerando la importancia de seleccionar variables adecuadas para el entrenamiento de redes, se analizaron diferentes grupos de variables de entrada. La arquitectura que demostró mejor desempeño consideró la distancia entre el punto de monitoreo y detonación y la carga máxima por retardo como variables input. Para comparar el desempeño de la red neuronal con el desempeño de modelos empíricos y de regresión múltiple, se aplicó la misma base de datos. Finalmente, el modelo de red neuronal demostró ser superior a las ecuaciones empíricas y la regresión múltiple en términos de coeficiente de determinación (R²) y raíz del error cuadrático medio (RMSE) para los datos medidos y predichos. Además, se demostró la importancia de seleccionar las variables de entrada adecuadas para estimar el VPP por medio de redes neuronales. Na indústria mineral, o parâmetro mais utilizado para a quantificação e avaliação do potencial de danos das vibrações sísmicas geradas por desmonte de rochas é a velocidade de vibração de pico de partícula (VPP). Várias iniciativas foram tomadas, ao longo do tempo, com o intuito de estimar os níveis de VPP. Os rápidos avanços na tecnologia computacional fizeram com que sistemas inteligentes se tornassem ferramentas promissoras na estimativa dos resultados de desmonte de rochas. Nesse contexto, este estudo tem como objetivo avaliar as vibrações induzidas por desmontes de rochas por explosivos em uma mina do Quadrilátero Ferrífero por meio de redes neurais artificiais. O banco de dados foi dividido em amostras de treinamento (70%) e teste (30%) das redes. Considerando a importância da seleção de variáveis de entrada adequadas para o treinamento das redes, diferentes grupos de variáveis input foram analisados. A arquitetura que demonstrou melhor desempenho considerou a distância entre o ponto de monitoramento e detonação e a carga máxima por espera como variáveis input. A fim de comparar o desempenho da rede neural com o desempenho de modelos empíricos e de regressão múltipla, os mesmos dados foram utilizados. Por fim, o modelo de redes neurais se mostrou superior às equações empíricas e à regressão múltipla em termos do coeficiente de determinação (R²) e da raiz do erro quadrático médio (RMSE) para os dados medidos e preditos. Além disso, demonstrou-se a importância da seleção das variáveis de entrada adequadas para a estimação de VPP por meio de redes neurais.

Made available in DSpace on 2014-11-10T11:09:49Z (GMT). No. of bitstreams: 0 Previous issue date: 2013-12-12Bitstream added on 2014-11-10T11:57:57Z : No. of bitstreams: 1 000793111.pdf: 13515062 bytes, checksum: d7a9fd54f5b42d60eb028c1234b5751a (MD5) Os riscos associados a zonas costeiras e portuárias são uma das principais preocupações no planejamento e gestão destas zonas. Exemplos desses riscos são os associados aos fatores: instabilidade de estruturas marítimas de proteção, ocorrência de galgamentos, inundação, erosão costeira e navegação. Não obstante ao citado, tem-se também, o caso dos riscos inerentes ao ambiente dos reservatórios de barragens e de seus usos múltiplos, que fazem parte de segmentos de hidrovias, além de fazer parte de complexos de navegação e rotas comerciais. O exposto justifica a importância crescente do desenvolvimento de metodologias capazes de avaliar o risco neste tipo de situações. O presente trabalho trata do desenvolvimento e aplicação de uma rede neural artificial, notadamente a rede ARTMAP-Fuzzy, na tentativa de se prever alguns fenômenos de superfície livre e interação onda-estrutura, sejam eles: agitação marítima, comportamento de ondas em lagos de barragem e galgamento. A rede em questão pertence à família ART (Adaptive Ressonance Theory), e foi desenvolvida e utilizada na tentativa de se prever tanto a agitação marítima dentro e fora de um porto, quanto para o cálculo do galgamento em um ponto do barramento de contenção e, também na tentativa de se prever o comportamento de ondas geradas por vento em um reservatório formado pela construção de uma usina hidroelétrica. O porto em estudo foi o de Sines que se situa a sudoeste da Europa, na costa oeste de Portugal, a 58 milhas náuticas a sul de Lisboa. Já, para o caso de ondas em lagos, o mesmo se trata do lago formado pela construção da Usina Hidroelétrica de Ilha Solteira, situado a noroeste do Estado de São Paulo – Brasil. Para o caso de estudo relativo ao porto de Sines, o treinamento desta rede neural é efetuado com dados de medição de boia-ondógrafo ao largo do porto e ainda, comparados com resultados do modelo numérico de propagação de ... The risks associated to coastal and harbor zones are one of the main concerns in planning and managing these zones. Some examples can be mentioned such as: instability of maritime structures, wave overtopping, flooding, coastal erosion and unsafe navigation. Furthermore, there are the risks associated to dam reservoirs and their multiple uses, as for example those reservoirs that are used as waterways, as well as being commercial and navigation routes. These are some of the justifications to develop methodologies capable of evaluating the risk in this kind of situations. This work is concerned with the development and application of a Fuzzy ARTMAP artificial neural network to forecast some phenomena of free surface and of wave-structure interaction, such as: sea wave conditions, wave behavior in dam lakes and wave overtopping. The neural network pertains to the ART (Adaptive Resonance Theory) family and is developed and used to forecast the wave conditions outside and inside a port, the wave overtopping at a cross-section of the port protection breakwater, and also the wind waves generated in an hydroelectric dam reservoir. The studied port is the Sines port, located at south west Europe, west coast of Portugal, 58 nautical miles south of Lisbon. The hydroelectric reservoir is the Ilha Solteira lake, located north west of the State of São Paulo, Brazil. Considering the Sines port, the neural network training for forecasting wave conditions is performed with data measured by a wave buoy positioned offshore the port, and also with numerical model results of wave propagation at the entrance of the port (SWAN model) and inside the port (DREAMS model). The wave conditions inside the port predicted by the new tool are compared with some field data. The neural network training for forecasting wave overtopping at the breakwater is performed with data obtained from a two-dimensional physical model developed at the National Laboratory for Civil ...

Made available in DSpace on 2014-06-11T19:29:13Z (GMT). No. of bitstreams: 0 Previous issue date: 2003-07-30Bitstream added on 2014-06-13T20:48:14Z : No. of bitstreams: 1 santos_fl_me_ilha.pdf: 5580224 bytes, checksum: 7664797be424662e0d0d1021e9ee4dc5 (MD5) Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) Em função da concentração de material sólido, misturas resultantes de argila e água conferem, via de regra, propriedades não-Newtonianas. Essa concentração passa a variar com a granulometria e a composição do mineral do sedimento, bem como com a qualidade da água. Algumas tentativas foram feitas na busca de melhor explicar a reologia e a dinâmica global dessas misturas nessa última década, notadamente no contexto de lavas torrenciais e misturas hiperconcentradas. Essa dissertação de mestrado tem por objetivo desenvolver uma caracterização reológica de misturas sólido-líquido (água+argila caulinítica e água+areia fina+argila caulinítica) com diferentes concentrações em volume (Cv) para as quais são determinadas, a partir de ensaios de reometria de precisão, as propriedades tais como a viscosidade aparente, tensão crítica de cisalhamento e curva de tensão de cisalhamento x taxa de deformação. Verificou-se, em condições controladas, a influência da temperatura, pH e concentração em volume (Cv) sobre a curva reológica dessas misturas, além de eventuais fenômenos de tixotropia e modo de preparo. O modelo reológico melhor ajustado para as argilas foi o de Herschel-Bulkley ( ( )n τ =τ c + k γ& ), onde: τ é a tensão de cisalhamento; τc é a tensão crítica (ou rigidez inicial); k é um termo de consistência (viscosidade aparente); n é o índice de escoamento; e dy γ& = du é a taxa de deformação. Obtém-se também, a partir de uma análise quantitativa global, leis de evolução dos diversos parâmetros reológicos em função da concentração em volume. Após a etapa de caracterização física e reológica das misturas, realizaram-se, sob condições controladas, ensaios dinâmicos através de escoamentos de lamas em canal inclinado. Nesses ensaios foram medidos os parâmetros lâmina normal, vazões... ; n is flow index; and dy γ& = du is shear rate. It is also obtained, from a global quantitative analysis, evolution laws of the several rheologics parameters in function of the solid volume concentration. After the stage of rheological and physical characterization of mixing samples, dynamics experiments were made, under controlled conditions, than the flow of mud was observed in the open channel. These analyses were made in order to examine the behavior of parameters such as: normal depth, discharge and velocities. In fact, the experience showed that is possible to deduce wall friction laws from the rheological proprieties based on high mud concentrated suspensions and the dynamic of these muds.