Dissertação

{pt_PT=Modelo de rede neuronal para a previsão de amplitudes de vibrações produzidas por detonações em maciços rochosos} {} EVALUATED

{pt=O controlo das vibrações resultantes da detonação de cargas explosivas em obras de escavação é de extrema importância, uma vez que estas podem causar impactos ambientais significativos, nomeadamente, danos ao maciço rochoso, a estruturas localizadas nas imediações, bem como incomodidade às populações vizinhas. Existem numerosos parâmetros, alguns não controláveis e outros controláveis, como são o caso das características do maciço rochoso e do diagrama de fogo adoptado, respectivamente. Estas influenciam as vibrações produzidas, dificultando a sua previsão. A maioria das metodologias actualmente utilizadas para a previsão das vibrações nos terrenos contempla, como variáveis explicativas do fenómeno, somente o par carga máxima por retardo e distância dos receptores sensíveis em relação à detonação, pelo que os seus resultados têm, muitas vezes, erros associados ou são aplicáveis, apenas, em contextos específicos. Pretendeu-se com este trabalho implementar um método que, por meio do recurso a uma base de dados organizada de forma consistente, determine o melhor modelo de previsão das amplitudes de vibração produzidas, com base na selecção de modelos candidatos de redes neuronais artificiais. Estabeleceu-se uma base de dados com 1114 observações de registos de vibrações. Para o treino das redes neuronais, dividiu-se a base de dados em conjuntos de treino e de teste, com dimensões, respectivamente, de proporção 3:1. As melhores redes neuronais produzidas através do método "K-Fold" e critério de "Paragem Prematura", de arquitecturas 15-12-1 e 15-15-1, obtiveram coeficientes de determinação R^2 = 84.0% e R^2 = 86.6%, e erros absolutos médios de MAE = 5.59 e MAE = 5.02., en=The control of the vibrations resulting from the detonation of explosive charges in underground and open pit mines is extremely important, specially because these can cause damage to the rock mass in exploration There are numerous parameters, some not controllable and others controllable, such as the characteristics of the rock mass and the characteristics of the adopted fire diagram, respectively. These influence the vibrations produced, making it difficult to predict.and to humans and structures located in the vicinity. The vast majority of the methodologies currently used for the prediction of vibrations in the terrain only, as independent/explanatory variables of the phenomenon, contemplate the maximum explosive charge per delay and the distance in relation to the detonation so its results often have errors associated or are applicable only in specific contexts. The aim of this work was to implement a method that, through the use of a database organized consistently (including multiple parameters characteristic of several rock blasts), trained a Neural Network, in order to predict the vibrations produced, thus minimizing the estimation error; and to compare the results obtained through other methodologies. It was established a database with 1114 samples of ground vibrations. For the training of the neural networks, the database samples were splitted in two sets, training set and testing set, with dimensions with proportion of 3:1. The best resulting neural networks, through "K-Fold" and "Earlystopping", with architectures 15-12-1 and 15-15-1, obtained coefficients of determination R^2=84.0% and R^2=86.6%, Mean Absolute Errors MAE=5.59 and MAE=5.02. }
{pt=Desmontes com explosivos, Amplitude de vibrações nos terrenos, Modelação Matemática, Redes Neuronais Artificiais, Dinâmica das rochas, en=Rock blasting, Ground Vibration, Mathematical Modeling, Artificial Neural Networks, Rock Dynamics}

Junho 25, 2019, 9:0

Orientação

ORIENTADOR

Gustavo André Paneiro

Departamento de Engenharia Civil, Arquitectura e Georrecursos (DECivil)

Colaborador Docente