Determinação semi-automática do Geological Strength Index utilizando redes neurais artificiais

• Autor(a) principal: Zeni, Marilia Abrão
• Data de Publicação: 2021
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
• Texto Completo: http://hdl.handle.net/10183/232702
• topic: Mecânica das rochas; Fotogrametria; Redes neurais artificiais; Geological Strength Index; Artificial neural networks; Photogrammetry; Rock mechanics

Com a popularização das aeronaves remotamente pilotadas, a fotogrametria de baixo custo e alta precisão tornou-se uma ferramenta útil para mapear e obter informações em áreas de difícil acesso. A técnica tem sido aplicada em geomecânica por possibilitar a obtenção de informações de maciços rochosos para os quais não há alternativa de obtenção de parâmetros pelos métodos tradicionais de mapeamento, aumenta a frequência de análise e reduz a exposição dos profissionais a condições inseguras. Neste estudo, usamos a técnica chamada estrutura por meio do movimento para adquirir imagens bidimensionais e criar uma nuvem de pontos tridimensional. Em seguida, usando técnicas de redes neurais artificiais, implementamos uma classificação semiautomática do maciço rochoso usando o Geological Strength Index (GSI). A rotina foi validada utilizando cinco conjuntos de dados de referência, com diferentes características geológicas, escolhendo a rede neural com melhor desempenho, apresentando resultados com intervalos de confiança acima de 90%, 100% de taxa acerto e baixo erro quadrático médio. O procedimento permite uma interpretação padronizada, com o objetivo de reduzir o viés gerado pela interpretação por meio de uma análise rápida e repetível, além da criação de um relatório de registro sistemático dos levantamentos.