Aplicação de redes neurais no controle de teores de cobre e ouro do depósito de Chapada (GO)

• Autor(a) principal: Cintra, Evandro Cardoso [UNESP]
• Data de Publicação: 2003
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/103035
• topic: Redes neurais (Computação); Geologia; Cobre; Ouro; Retropropagação; Neural nets; Backpropagation; Copper; Gold

Este estudo desenvolve a aplicação da técnica de redes neurais artificiais no controle de teor de minério em frentes de lavra a partir de observações geológicas e geotécnicas. A área de estudo da aplicação é o depósito de cobre e ouro de Chapada (Goiás), hospedado por rochas da seqüência vulcano-sedimentar neoproterozóica de Chapada-Mara Rosa. Trata-se de um depósito mineral tipo epigenético, ligado a processos de alteração hidrotermal, associado a zonas estruturalmente favoráveis. As observações geológicas e geotécnicas constituem um banco de dados com 21.212 registros e 21 variáveis, provenientes de amostras de 237 furos de sondagem rotativa diamantada. As variáveis de entrada incluem litologia, porcentagem de sulfetos, razão calcopirita/pirita, freqüência de fraturas, RQD, e alterações hidrotermais tais como: cloritização, sericitização, silicificação, epidotização, carbonatização e piritização. As variáveis de saída são: teores de cobre e ouro. O modelo de rede neural utilizado foi o de múltiplas camadas (MLP) alimentada adiante ( feedforward ) totalmente interconectada, com 30 neurônios na camada oculta e 2 neurônios na camada de saída. A rede foi treinada com o algoritmo de retropropagação de Levenberg-Marquardt acoplado com regularização bayesiana. Obteve-se um índice de acertos de 80% na predição de teores de cobre em bancadas simuladas.