Aplicação de técnicas de análise estatística multivariada e machine learning para o mapeamento do footprint geoquímico da mineralização de ouro no distrito mineiro de Jacobina

Detalhes bibliográficos
Autor(a) principal: Almeida, Beatriz Dantas Rabelo de
Data de Publicação: 2024
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: http://repositorio2.unb.br/jspui/handle/10482/49937
Resumo: Dissertação (mestrado) — Universidade de Brasília, Instituto de Geociências, Programa de Pós-Graduação em Geologia, 2024.
id UNB_b5b1477d47f4204caaa7e21b6198f254
oai_identifier_str oai:repositorio.unb.br:10482/49937
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Aplicação de técnicas de análise estatística multivariada e machine learning para o mapeamento do footprint geoquímico da mineralização de ouro no distrito mineiro de JacobinaApplication of multivariate statistical analysis and machine learning techniques for mapping the geochemical footprint of gold mineralization in the Jacobina Mining DistrictJacobina (BA)MineralizaçãoProspecção geoquímicaDissertação (mestrado) — Universidade de Brasília, Instituto de Geociências, Programa de Pós-Graduação em Geologia, 2024.Esta dissertação apresenta os resultados da caracterização do footprint geoquímico da mineralização de ouro nos metaconglomerados superiores do Complexo Mineiro de Jacobina, localizado na cidade de Jacobina, Bahia. Os resultados foram alcançados a partir da aplicação de metodologias de análise estatística multivariada e classificação não supervisionada. Para tanto, foram selecionados três corpos mineralizados, João Belo Sul, Canavieiras e Serra do Córrego, que se estendem em direção NS ao longo de 14km na bacia de Jacobina. Um total de 3048 amostras foram coletadas em furos de sondagem realizados nesses três alvos. O processo de amostragem foi feito ao longo de todos os furos com coleta de amostras de 50cm para análises litogeoquímicas. Foram realizadas dosagens de elementos maiores, menores e traço utilizando ICP-MS (Espectrômetro de massa com plasma indutivamente acoplado). Também foram coletadas amostras para confecção de lâminas petrográficas com o objetivo de caracterizar a mineralogia e textura das zonas mineralizadas. Os dados litogeoquímicos foram processados seguindo abordagem para tratamento de dados composicionais e em seguida foram aplicadas metodologias de análise estatística e classificação não supervisionada. A abordagem iniciou-se com estatística univariada a partir de diagramas boxplot, seguindo para estatística multivariada com a análise do componente principaL (PCA) e finalizando com uma comparação com o algoritmo de mapas auto-organizáveis (SOM). A partir da primeira etapa da análise do componente principal foi possível caracterizar o background geoquímico dos metaconglomerados em cada um dos alvos. Para João Belo Sul obtevese a associação U-As-Te-Bi-Sb-Pb-Cr-Th-Sr-Hf-Zr-P, ressaltando a afinidade com elementos litófilos e com fases sulfetadas. Na Mina Serra do Córrego a associação AlNa-Ti-Rb-K-Nb-Sc, tipicamente constituída de elementos litófilos incluindo álcalis, sugere a influência de fluidos hidrotermais na concentração do ouro e, para a Mina Canavieiras, a associação Ni-Fe-Mo-Li-Mg-Mn-Au-S-Co-Cu reflete correlações entre os corpos intrusivos máficos e a mineralização de Au. Em um segundo momento a análise do componente principal foi aplicada novamente com o objetivo de caracterizar a assinatura da mineralização de ouro em cada alvo. Foram identificadas associações entre o ouro e elementos calcófilos. A última etapa foi o emprego de mapas auto-organizáveis para melhor visualização e clusterização das associações geoquímicas. O resultado alcançado pelo SOM se mostrou mais avançado que o resultado da PCA. Além das associações do Au com elementos calcófilos como Ag, As, Sb, Bi, Mo, Pb e Fe, o SOM mapeou outras duas assinaturas para a Mina Canavieiras, Au-Mg-Ni-Zn, interpretado como associado as rochas máficas abundantes neste alvo, e o ouro livre, possivelmente relacionado a mineralização presente em fraturas e falhas geradas durante os eventos tectônicos que afetaram a região. Interpreta-se que a coexistência de três fases de mineralização distintas em Canavieiras é o motivo pelo qual esse alvo apresenta os maiores teores de ouro na área de estudo, ilustrando a importância de fluidos hidrotermais para a reconcentração da mineralização, gerando zonas de alto teor. Os resultados obtidos com essa pesquisa são inovadores e contribuem positivamente com a manutenção dos programas exploratórios na região.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).This dissertation presents the results of characterizing the geochemical footprint of gold mineralization in the upper metaconglomerates of the Jacobina mining complex, located in the city of Jacobina, Bahia. The outcomes were achieved through the application of statistical analysis and unsupervised classification methodologies. Three mineralized bodies—João Belo Sul, Canavieiras, and Serra do Córrego—were selected, extending in a NS direction for 14 km in the Jacobina basin. A total of 3048 samples were collected from boreholes drilled in these three targets, with a sampling process spanning the entire length of the drillholes and collecting 50cm samples for lithogeochemical analyses. Multi-element analyses were conducted using ICP-MS (Inductively Coupled Plasma Mass Spectrometry). Additionally, samples were collected for the preparation of petrographic thin sections to characterize the mineralogy and texture of the mineralized zones. The lithogeochemical data underwent processing following recommendations for compositional data treatment, and subsequently, statistical analysis and unsupervised classification methodologies were applied. The approach began with univariate statistics using boxplot diagrams, followed by multivariate statistics with Principal Component Analysis (PCA), and concluded with a comparison using Self-Organizing Maps (SOM) algorithm. From the initial stage of the Principal Component Analysis, it was possible to characterize the geochemical background of the metaconglomerates in each target. For João Belo Sul, an association of U-As-Te-Bi-Sb-Pb-Cr-Th-Sr-Hf-Zr-P was obtained, emphasizing the affinity with lithophile elements and sulfide phases. In Serra do Córrego, the Al-Na-Ti-Rb-K-Nb-Sc association, typically constituted of lithophile elements including alkalis, suggests the influence of hydrothermal fluids, while for Canavieiras, Ni-Fe-Mo-Li-Mg-Mn-Au-S-Co-Cu reflects correlations between mafic intrusive bodies and Au mineralization. In a subsequent step, Principal Component Analysis was applied again to characterize the gold mineralization signature in each target, identifying associations between gold and chalcophile elements. The final stage involved the use of Self-Organizing Maps for enhanced visualization and clustering of geochemical associations. The SOM results demonstrated a more advanced outcome compared to PCA. Besides associations of Au with chalcophile elements such as Ag, As, Sb, Bi, Mo, Pb, and Fe, SOM mapped two additional signatures for the Canavieiras target: Au-MgNi-Zn, interpreted as associated with the abundant mafic rocks in this target, and free gold, possibly related to mineralization present in fractures and faults generated during tectonic events affecting the Jacobina Basin. It is interpreted that the coexistence of three distinct mineralization phases in Canavieiras is the reason why this target exhibits the highest gold grades in the study area, illustrating the importance of hydrothermal fluids in reconcentrating mineralization, generating high-grade zones. The results obtained from this research are innovative and positively contribute to maintaining exploratory programs in the region.Instituto de Geociências (IG)Programa de Pós-Graduação em GeologiaToledo, Catarina Labouré BemficaSilva, Adalene MoreiraAlmeida, Beatriz Dantas Rabelo de2024-08-15T20:33:23Z2024-08-15T20:33:23Z2024-08-152024-03-27info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfALMEIDA, Beatriz Dantas Rabelo de. Aplicação de técnicas de análise estatística multivariada e machine learning para o mapeamento do footprint geoquímico da mineralização de ouro no distrito mineiro de Jacobina. 2024. 68 f., il. Dissertação (Mestrado em Geologia) — Universidade de Brasília, Brasília, 2024.http://repositorio2.unb.br/jspui/handle/10482/49937A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2024-08-15T20:33:23Zoai:repositorio.unb.br:10482/49937Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2024-08-15T20:33:23Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Aplicação de técnicas de análise estatística multivariada e machine learning para o mapeamento do footprint geoquímico da mineralização de ouro no distrito mineiro de Jacobina
Application of multivariate statistical analysis and machine learning techniques for mapping the geochemical footprint of gold mineralization in the Jacobina Mining District
title Aplicação de técnicas de análise estatística multivariada e machine learning para o mapeamento do footprint geoquímico da mineralização de ouro no distrito mineiro de Jacobina
spellingShingle Aplicação de técnicas de análise estatística multivariada e machine learning para o mapeamento do footprint geoquímico da mineralização de ouro no distrito mineiro de Jacobina
Almeida, Beatriz Dantas Rabelo de
Jacobina (BA)
Mineralização
Prospecção geoquímica
title_short Aplicação de técnicas de análise estatística multivariada e machine learning para o mapeamento do footprint geoquímico da mineralização de ouro no distrito mineiro de Jacobina
title_full Aplicação de técnicas de análise estatística multivariada e machine learning para o mapeamento do footprint geoquímico da mineralização de ouro no distrito mineiro de Jacobina
title_fullStr Aplicação de técnicas de análise estatística multivariada e machine learning para o mapeamento do footprint geoquímico da mineralização de ouro no distrito mineiro de Jacobina
title_full_unstemmed Aplicação de técnicas de análise estatística multivariada e machine learning para o mapeamento do footprint geoquímico da mineralização de ouro no distrito mineiro de Jacobina
title_sort Aplicação de técnicas de análise estatística multivariada e machine learning para o mapeamento do footprint geoquímico da mineralização de ouro no distrito mineiro de Jacobina
author Almeida, Beatriz Dantas Rabelo de
author_facet Almeida, Beatriz Dantas Rabelo de
author_role author
dc.contributor.none.fl_str_mv Toledo, Catarina Labouré Bemfica
Silva, Adalene Moreira
dc.contributor.author.fl_str_mv Almeida, Beatriz Dantas Rabelo de
dc.subject.por.fl_str_mv Jacobina (BA)
Mineralização
Prospecção geoquímica
topic Jacobina (BA)
Mineralização
Prospecção geoquímica
description Dissertação (mestrado) — Universidade de Brasília, Instituto de Geociências, Programa de Pós-Graduação em Geologia, 2024.
publishDate 2024
dc.date.none.fl_str_mv 2024-08-15T20:33:23Z
2024-08-15T20:33:23Z
2024-08-15
2024-03-27
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv ALMEIDA, Beatriz Dantas Rabelo de. Aplicação de técnicas de análise estatística multivariada e machine learning para o mapeamento do footprint geoquímico da mineralização de ouro no distrito mineiro de Jacobina. 2024. 68 f., il. Dissertação (Mestrado em Geologia) — Universidade de Brasília, Brasília, 2024.
http://repositorio2.unb.br/jspui/handle/10482/49937
identifier_str_mv ALMEIDA, Beatriz Dantas Rabelo de. Aplicação de técnicas de análise estatística multivariada e machine learning para o mapeamento do footprint geoquímico da mineralização de ouro no distrito mineiro de Jacobina. 2024. 68 f., il. Dissertação (Mestrado em Geologia) — Universidade de Brasília, Brasília, 2024.
url http://repositorio2.unb.br/jspui/handle/10482/49937
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1810580846134951936

Registros relacionados