{"id":28865,"date":"2025-09-04T11:33:11","date_gmt":"2025-09-04T14:33:11","guid":{"rendered":"https:\/\/www.inthemine.com.br\/site\/?p=28865"},"modified":"2025-09-04T11:34:33","modified_gmt":"2025-09-04T14:34:33","slug":"machine-learning-aplicado-a-geotecnia-de-filitos","status":"publish","type":"post","link":"https:\/\/www.inthemine.com.br\/site\/machine-learning-aplicado-a-geotecnia-de-filitos\/","title":{"rendered":"MACHINE LEARNING APLICADO \u00c0 GEOTECNIA DE FILITOS"},"content":{"rendered":"

USO DE MACHINE LEARNING NA DETERMINA\u00c7\u00c3O DE PAR\u00c2METROS GEOT\u00c9CNICOS DE FILITOS BRANDOS<\/strong><\/p>\n

\u00a0<\/strong>Por L\u00edvia Aparecida Gon\u00e7alves Pinto1\u00a0 <\/sup>e Jos\u00e9 Margarida da Silva2<\/sup><\/p>\n

A disserta\u00e7\u00e3o \u201cDetermina\u00e7\u00e3o de par\u00e2metros de resist\u00eancia de filitos brandos com uso de aprendizagem de m\u00e1quina\u201d foi apresentada ao Programa de P\u00f3s-Gradua\u00e7\u00e3o em Engenharia Mineral do Departamento de Engenharia de Minas da Universidade Federal de Ouro Preto (UFOP), como parte integrante dos requisitos para obten\u00e7\u00e3o do t\u00edtulo de Mestre em Engenharia Mineral. O trabalho aborda uma problem\u00e1tica recorrente na geotecnia aplicada \u00e0 minera\u00e7\u00e3o: a estimativa precisa de par\u00e2metros de resist\u00eancia de rochas brandas, com destaque para os filitos.<\/p>\n

Tais materiais, presentes em abund\u00e2ncia no Quadril\u00e1tero Ferr\u00edfero, em Minas Gerais (veja exemplo em Imagem 1), apresentam desafios particulares quanto \u00e0 obten\u00e7\u00e3o de dados confi\u00e1veis por meio de m\u00e9todos tradicionais, especialmente em raz\u00e3o da sua fragilidade e do alto custo dos ensaios laboratoriais convencionais.<\/p>\n

Nesse contexto, o estudo prop\u00f5e uma abordagem alternativa baseada em t\u00e9cnicas de Aprendizagem de M\u00e1quina (Machine Learning), com o objetivo de prever par\u00e2metros geot\u00e9cnicos como coes\u00e3o (c) e \u00e2ngulo de atrito (\u03d5), que s\u00e3o fundamentais para an\u00e1lises de estabilidade de taludes e para o planejamento seguro das opera\u00e7\u00f5es de lavra a c\u00e9u aberto. A aplica\u00e7\u00e3o da Intelig\u00eancia Artificial \u00e0 geotecnia representa uma inova\u00e7\u00e3o significativa, especialmente quando se considera a possibilidade de utilizar dados hist\u00f3ricos e previamente obtidos para a constru\u00e7\u00e3o de modelos preditivos.<\/p>\n

A escolha pelo uso de machine learning como t\u00e9cnica de trabalho n\u00e3o foi aleat\u00f3ria, mas sim motivada por uma crescente demanda por solu\u00e7\u00f5es mais r\u00e1pidas, eficientes e de menor custo para a caracteriza\u00e7\u00e3o geot\u00e9cnica de maci\u00e7os rochosos. M\u00e9todos tradicionais, como ensaios triaxiais, embora confi\u00e1veis, s\u00e3o demorados e onerosos. Alguns trabalhos, como o de Quaglio et al. (2020), tentam m\u00e9todos alternativos, n\u00e3o destrutivos e de menor custo, na determina\u00e7\u00e3o da resist\u00eancia de rochas. Al\u00e9m disso, a variabilidade natural dos filitos, sua suscetibilidade \u00e0 degrada\u00e7\u00e3o e a dificuldade em se manter a integridade das amostras tornam o processo de caracteriza\u00e7\u00e3o ainda mais desafiador.<\/p>\n

A solu\u00e7\u00e3o baseada em aprendizado de m\u00e1quina oferece vantagens significativas, como a reutiliza\u00e7\u00e3o de dados existentes, a capacidade de modelar rela\u00e7\u00f5es n\u00e3o lineares complexas e a possibilidade de atualiza\u00e7\u00e3o cont\u00ednua \u00e0 medida que novos dados se tornam dispon\u00edveis. Al\u00e9m disso, contribui diretamente para a redu\u00e7\u00e3o de riscos operacionais e financeiros nas atividades de minera\u00e7\u00e3o.<\/p>\n

Metodologia<\/strong><\/p>\n

O estudo baseia-se na constru\u00e7\u00e3o e an\u00e1lise de modelos preditivos utilizando duas abordagens de machine learning: Regress\u00e3o Linear e Redes Neurais Artificiais (RNA). Para isso, foi constru\u00eddo um banco de dados com 70 amostras de filitos do Quadril\u00e1tero Ferr\u00edfero, extra\u00eddas de diversas minas e trabalhos acad\u00eamicos.<\/p>\n

Para determinar as propriedades e os par\u00e2metros de resist\u00eancia do filito, foram realizados testes laboratoriais, inclusive<\/strong> com amostras deformadas do material. A coleta foi feita diretamente na frente de lavra, buscando garantir a homogeneidade do material amostrado. Uma equipe especializada realizou a coleta, sob supervis\u00e3o de profissional capacitado, assegurando a representatividade das amostras. No laborat\u00f3rio, as amostras foram misturadas, reorganizadas e preparadas para os ensaios, obedecendo-se \u00e0s respectivas normas t\u00e9cnicas (Tabela 1).<\/p>\n

Os dados obtidos compreendem vari\u00e1veis geot\u00e9cnicas como massa espec\u00edfica, porosidade, \u00edndices de vazios, limites de Atterberg e composi\u00e7\u00e3o granulom\u00e9trica.<\/p>\n

Os limites de\u00a0Atterberg, tamb\u00e9m conhecidos\u00a0como\u00a0limites\u00a0de\u00a0consist\u00eancia,\u00a0permitem avaliar a maior ou menor compacidade de determinado material (solo ou outro) ao ser moldado, sem variar o volume, em determinada condi\u00e7\u00e3o de umidade. O Limite de Liquidez (LL) \u00e9 o teor de umidade em que o material muda do estado pl\u00e1stico para o estado l\u00edquido. J\u00e1 o Limite de Plasticidade (LP) \u00e9 teor de umidade em que o solo muda do estado semi-s\u00f3lido para o estado pl\u00e1stico.<\/p>\n

Tabela 1 – Ensaios e testes realizados<\/p>\n\n\n\n\n\n\n
Ensaios<\/strong><\/td>\nNorma T\u00e9cnica<\/strong><\/td>\n<\/tr>\n
Massa espec\u00edfica dos gr\u00e3os<\/td>\nABNT NBR 6458<\/td>\n<\/tr>\n
Limite de Liquidez<\/td>\nABNT NBR 6459<\/td>\n<\/tr>\n
Limite de Plasticidade<\/td>\nABNT NBR 7180<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

A prepara\u00e7\u00e3o dos dados para o uso da machine learning incluiu etapas fundamentais de an\u00e1lise explorat\u00f3ria, limpeza, tratamento de valores faltantes e normaliza\u00e7\u00e3o. Os dados foram organizados em dois conjuntos principais:<\/p>\n

    \n
  • Tabela R2<\/strong>: 32 amostras com 6 vari\u00e1veis;<\/li>\n
  • Tabela R3<\/strong>: 27 amostras com 11 vari\u00e1veis.<\/li>\n<\/ul>\n

    Os modelos foram implementados utilizando a linguagem de programa\u00e7\u00e3o R, por meio de bibliotecas espec\u00edficas para regress\u00e3o e redes neurais, como nnet, neuralnet e caret. A divis\u00e3o entre conjuntos de treinamento (etapa em que s\u00e3o alimentados algoritmos com enormes volumes de dados relevantes, permitindo que a m\u00e1quina identifique padr\u00f5es e crie conex\u00f5es significativas; trata-se de um processo que capacita um modelo de intelig\u00eancia artificial a aprender a partir desses dados) e de teste (etapa em que efetivamente \u00e9 realizado o trabalho previsto de an\u00e1lise) seguiu pr\u00e1ticas padronizadas, buscando avaliar a capacidade preditiva real dos modelos.<\/p>\n

    Como parte complementar do trabalho, foi desenvolvido um prot\u00f3tipo de interface gr\u00e1fica para estimativa dos par\u00e2metros de resist\u00eancia com base no m\u00e9todo de classifica\u00e7\u00e3o geomec\u00e2nica RMR89 (Bieniawski, 1989). O prot\u00f3tipo foi implementado inicialmente em linguagem Pascal, com foco na inser\u00e7\u00e3o interativa de dados de entrada e na exibi\u00e7\u00e3o amig\u00e1vel dos resultados.<\/p>\n

    Apesar da limita\u00e7\u00e3o na aplica\u00e7\u00e3o de machine learning na primeira vers\u00e3o do sistema, a interface representou um avan\u00e7o na sistematiza\u00e7\u00e3o dos dados de entrada e sa\u00edda e serviu como base para futuras melhorias, incluindo a integra\u00e7\u00e3o com os modelos preditivos.<\/p>\n

    Resultados e discuss\u00e3o<\/strong><\/p>\n

    Foram realizados diversos testes com ambos os conjuntos de dados (datasets R2 e R3), aplicando-se regress\u00e3o linear e redes neurais com diferentes configura\u00e7\u00f5es (camadas internas com 3, 5 e 10 neur\u00f4nios). Os modelos foram avaliados com base na m\u00e9trica Mean Squared Error (MSE). Verificou-se o seguinte.<\/p>\n

      \n
    • O modelo de regress\u00e3o linear, aplicado ao dataset R2, apresentou melhor performance geral em rela\u00e7\u00e3o \u00e0s redes neurais;<\/li>\n
    • A presen\u00e7a de outliers (dados que se diferenciam significativamente dos demais valores de um conjunto) influenciou negativamente os resultados. A remo\u00e7\u00e3o de amostras problem\u00e1ticas (linha 13 de R2) aumentou significativamente a correla\u00e7\u00e3o entre vari\u00e1veis como porosidade e \u00edndice de vazios;<\/li>\n
    • Entre os fatores influenciadores, o n\u00famero de amostras teve impacto mais significativo que o n\u00famero de vari\u00e1veis na performance dos modelos;<\/li>\n
    • As redes neurais n\u00e3o apresentaram melhora significativa com o aumento no n\u00famero de neur\u00f4nios ocultos, indicando poss\u00edvel overfitting (fen\u00f4meno em que um modelo estat\u00edstico se ajusta t\u00e3o bem aos dados de treinamento que perde a capacidade de generalizar) e limita\u00e7\u00e3o pelo tamanho do banco de dados.<\/li>\n<\/ul>\n

      \u00a0<\/strong>Dessa forma, notou-se que a regress\u00e3o linear se mostrou mais robusta para o volume de dados dispon\u00edvel, sendo mais est\u00e1vel e menos suscet\u00edvel a varia\u00e7\u00f5es nos hiper par\u00e2metros. Al\u00e9m disso, as redes neurais, embora promissoras, requerem um volume de dados maior para alcan\u00e7arem previs\u00f5es mais precisas e confi\u00e1veis. Por fim, a coes\u00e3o foi o par\u00e2metro mais adequadamente previsto. O \u00e2ngulo de atrito n\u00e3o p\u00f4de ser modelado com precis\u00e3o devido \u00e0 falta de dados consistentes.<\/p>\n

      Conclus\u00f5es<\/strong><\/p>\n

      O estudo demonstrou que \u00e9 vi\u00e1vel prever par\u00e2metros geot\u00e9cnicos, como coes\u00e3o, em filitos brandos utilizando t\u00e9cnicas de aprendizado de m\u00e1quina, especialmente a regress\u00e3o linear. A metodologia se mostrou particularmente \u00fatil em contextos em que o n\u00famero de amostras \u00e9 limitado e a obten\u00e7\u00e3o de dados laboratoriais completos \u00e9 invi\u00e1vel.<\/p>\n

      Al\u00e9m disso, a pesquisa refor\u00e7a a import\u00e2ncia da constru\u00e7\u00e3o de bancos de dados robustos e bem estruturados como base essencial para o sucesso de modelos preditivos. A abordagem se mostrou relevante, pr\u00e1tica e alinhada com tend\u00eancias atuais de digitaliza\u00e7\u00e3o e automa\u00e7\u00e3o de processos na engenharia geot\u00e9cnica e minera\u00e7\u00e3o.<\/p>\n

      Para pesquisas futuras e aplica\u00e7\u00f5es em escala industrial, recomenda-se:<\/p>\n

        \n
      • a amplia\u00e7\u00e3o do banco de dados com novos ensaios de filitos e outras litologias;<\/li>\n
      • a incorpora\u00e7\u00e3o ao teste de vari\u00e1veis ambientais e estruturais (grau de altera\u00e7\u00e3o, condi\u00e7\u00f5es de satura\u00e7\u00e3o, entre outras);<\/li>\n
      • a reestrutura\u00e7\u00e3o do prot\u00f3tipo de interface gr\u00e1fica para integra\u00e7\u00e3o com modelos desenvolvidos em linguagem R ou Python;<\/li>\n
      • a aplica\u00e7\u00e3o de algoritmos mais avan\u00e7ados de machine learning, como Random Forest, SVM ou Gradient Boosting, que podem lidar melhor com datasets de tamanho m\u00e9dio e heterog\u00eaneos;<\/li>\n
      • o uso de modelos multioutput (sa\u00eddas m\u00faltiplas) para prever simultaneamente coes\u00e3o e \u00e2ngulo de atrito.<\/li>\n<\/ul>\n

        Considera\u00e7\u00f5es finais<\/strong><\/p>\n

        Esta disserta\u00e7\u00e3o marca um importante passo na transi\u00e7\u00e3o da engenharia geot\u00e9cnica tradicional para uma abordagem mais anal\u00edtica, baseada em dados e modelos inteligentes. A utiliza\u00e7\u00e3o de aprendizado de m\u00e1quina, mesmo com um volume de dados modesto, j\u00e1 se mostrou eficaz, abrindo caminho para aplica\u00e7\u00f5es mais abrangentes e sofisticadas.<\/p>\n

        O uso dessa abordagem pode representar uma mudan\u00e7a de paradigma na forma como par\u00e2metros geot\u00e9cnicos s\u00e3o obtidos e aplicados em projetos, com impactos positivos na seguran\u00e7a operacional, na economia de recursos e na sustentabilidade das atividades mineiras.<\/p>\n

        Refer\u00eancias<\/strong><\/p>\n

        BIENIAWSKI, Z.T., 1989. \u201cEngineering rock mass classifications\u201d. E. Wiley, New York. 248p.<\/p>\n

        LOPES, M. C., 2006. Comportamento geot\u00e9cnico e mecanismo de ruptura em rochas brandas – Minera\u00e7\u00e3o C\u00f3rrego do S\u00edtio. 2006, 94 p. Disserta\u00e7\u00e3o (Mestrado) do Programa de P\u00f3s-Gradua\u00e7\u00e3o em Engenharia Mineral – Universidade Federal de Ouro Preto. Escola de Minas. Ouro Preto.<\/p>\n

        Quaglio, O.A.; Silva, J.M.; Rodovalho, E.C.; Costa, L.V. 2020. Determination of Young\u2019s Modulus by Specific Vibration of Basalt and Diabase. Advances in Materials Science and Engineering, 8p., v. 2020, n.3.<\/p>\n

        SILVA, C. H. C., 2010. Comportamento geot\u00e9cnico dos filitos do talude oeste da Mina Pau Branco. Disserta\u00e7\u00e3o (Mestrado) do Programa de P\u00f3s-Gradua\u00e7\u00e3o em Engenharia Mineral – Universidade Federal de Ouro Preto. Escola de Minas. Departamento de Engenharia de Minas.<\/p>\n

        Imagem: Filitos ricos em quartzo e sericita, Cava Cachorro Bravo \u2013 Mina C\u00f3rrego do S\u00edtio, da AngloGold Ashanti, em Santa B\u00e1rbara – MG (Lopes, 2006)<\/strong><\/h5>\n
        1<\/sup>Ge\u00f3loga e Mestre em Engenharia Mineral e 2<\/sup>Vice-coordenador do Programa de P\u00f3s-Gradua\u00e7\u00e3o em Engenharia Mineral \u2013 UFOP<\/strong><\/h5>\n

        \n","protected":false},"excerpt":{"rendered":"

        Pesquisa da UFOP utiliza algoritmos para prever coes\u00e3o e \u00e2ngulo de atrito em rochas brandas, reduzindo custos e riscos em projetos de minera\u00e7\u00e3o<\/p>\n","protected":false},"author":3,"featured_media":28867,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[8],"tags":[],"class_list":["post-28865","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-inovacao"],"yoast_head":"\nMACHINE LEARNING APLICADO \u00c0 GEOTECNIA DE FILITOS - Revista In The Mine<\/title>\n<meta name=\"description\" content=\"Pesquisa da UFOP utiliza algoritmos para prever coes\u00e3o e \u00e2ngulo de atrito em rochas brandas, reduzindo custos e riscos em projetos de minera\u00e7\u00e3o\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.inthemine.com.br\/site\/machine-learning-aplicado-a-geotecnia-de-filitos\/\" \/>\n<meta property=\"og:locale\" content=\"pt_BR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"MACHINE LEARNING APLICADO \u00c0 GEOTECNIA DE FILITOS - Revista In The Mine\" \/>\n<meta property=\"og:description\" content=\"Pesquisa da UFOP utiliza algoritmos para prever coes\u00e3o e \u00e2ngulo de atrito em rochas brandas, reduzindo custos e riscos em projetos de minera\u00e7\u00e3o\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.inthemine.com.br\/site\/machine-learning-aplicado-a-geotecnia-de-filitos\/\" \/>\n<meta property=\"og:site_name\" content=\"Revista In The Mine\" \/>\n<meta property=\"article:publisher\" content=\"http:\/\/www.facebook.com\/inthemine\" \/>\n<meta property=\"article:published_time\" content=\"2025-09-04T14:33:11+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-09-04T14:34:33+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.inthemine.com.br\/site\/wp-content\/uploads\/2025\/09\/Imagem1.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"800\" \/>\n\t<meta property=\"og:image:height\" content=\"394\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Reda\u00e7\u00e3o ITM\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@intheminet\" \/>\n<meta name=\"twitter:site\" content=\"@intheminet\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Reda\u00e7\u00e3o ITM\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. tempo de leitura\" \/>\n\t<meta name=\"twitter:data2\" content=\"9 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/machine-learning-aplicado-a-geotecnia-de-filitos\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/machine-learning-aplicado-a-geotecnia-de-filitos\\\/\"},\"author\":{\"name\":\"Reda\u00e7\u00e3o ITM\",\"@id\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/#\\\/schema\\\/person\\\/9eb77cece2cea253bb36c4b68c6a324c\"},\"headline\":\"MACHINE LEARNING APLICADO \u00c0 GEOTECNIA DE FILITOS\",\"datePublished\":\"2025-09-04T14:33:11+00:00\",\"dateModified\":\"2025-09-04T14:34:33+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/machine-learning-aplicado-a-geotecnia-de-filitos\\\/\"},\"wordCount\":1768,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/machine-learning-aplicado-a-geotecnia-de-filitos\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/wp-content\\\/uploads\\\/2025\\\/09\\\/Imagem1.jpg\",\"articleSection\":[\"INOVA\u00c7\u00c3O\"],\"inLanguage\":\"pt-BR\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/machine-learning-aplicado-a-geotecnia-de-filitos\\\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/machine-learning-aplicado-a-geotecnia-de-filitos\\\/\",\"url\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/machine-learning-aplicado-a-geotecnia-de-filitos\\\/\",\"name\":\"MACHINE LEARNING APLICADO \u00c0 GEOTECNIA DE FILITOS - Revista In The Mine\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/machine-learning-aplicado-a-geotecnia-de-filitos\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/machine-learning-aplicado-a-geotecnia-de-filitos\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/wp-content\\\/uploads\\\/2025\\\/09\\\/Imagem1.jpg\",\"datePublished\":\"2025-09-04T14:33:11+00:00\",\"dateModified\":\"2025-09-04T14:34:33+00:00\",\"description\":\"Pesquisa da UFOP utiliza algoritmos para prever coes\u00e3o e \u00e2ngulo de atrito em rochas brandas, reduzindo custos e riscos em projetos de minera\u00e7\u00e3o\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/machine-learning-aplicado-a-geotecnia-de-filitos\\\/#breadcrumb\"},\"inLanguage\":\"pt-BR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/machine-learning-aplicado-a-geotecnia-de-filitos\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"pt-BR\",\"@id\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/machine-learning-aplicado-a-geotecnia-de-filitos\\\/#primaryimage\",\"url\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/wp-content\\\/uploads\\\/2025\\\/09\\\/Imagem1.jpg\",\"contentUrl\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/wp-content\\\/uploads\\\/2025\\\/09\\\/Imagem1.jpg\",\"width\":800,\"height\":394,\"caption\":\"Cava Cachorro Bravo \u2013 Mina C\u00f3rrego do S\u00edtio\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/machine-learning-aplicado-a-geotecnia-de-filitos\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"In\u00edcio\",\"item\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"MACHINE LEARNING APLICADO \u00c0 GEOTECNIA DE FILITOS\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/#website\",\"url\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/\",\"name\":\"Revista In The Mine\",\"description\":\"Minera\u00e7\u00e3o brasileira\",\"publisher\":{\"@id\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"pt-BR\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/#organization\",\"name\":\"In The Mine magazine\",\"url\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pt-BR\",\"@id\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/wp-content\\\/uploads\\\/2014\\\/08\\\/parceiro_theinmine.png\",\"contentUrl\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/wp-content\\\/uploads\\\/2014\\\/08\\\/parceiro_theinmine.png\",\"width\":170,\"height\":120,\"caption\":\"In The Mine magazine\"},\"image\":{\"@id\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"http:\\\/\\\/www.facebook.com\\\/inthemine\",\"https:\\\/\\\/x.com\\\/intheminet\",\"https:\\\/\\\/www.instagram.com\\\/minegaleria\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/in-the-mine?trk=biz-companies-cym\",\"https:\\\/\\\/www.youtube.com\\\/user\\\/revistainthemine\"]},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/#\\\/schema\\\/person\\\/9eb77cece2cea253bb36c4b68c6a324c\",\"name\":\"Reda\u00e7\u00e3o ITM\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pt-BR\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/0f7f41419befdee0feca08f9ea1e434cac9c04e0b8d28ab40cffb82628fcfdf1?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/0f7f41419befdee0feca08f9ea1e434cac9c04e0b8d28ab40cffb82628fcfdf1?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/0f7f41419befdee0feca08f9ea1e434cac9c04e0b8d28ab40cffb82628fcfdf1?s=96&d=mm&r=g\",\"caption\":\"Reda\u00e7\u00e3o ITM\"},\"url\":\"https:\\\/\\\/www.inthemine.com.br\\\/site\\\/author\\\/admin-itm\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"MACHINE LEARNING APLICADO \u00c0 GEOTECNIA DE FILITOS - Revista In The Mine","description":"Pesquisa da UFOP utiliza algoritmos para prever coes\u00e3o e \u00e2ngulo de atrito em rochas brandas, reduzindo custos e riscos em projetos de minera\u00e7\u00e3o","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.inthemine.com.br\/site\/machine-learning-aplicado-a-geotecnia-de-filitos\/","og_locale":"pt_BR","og_type":"article","og_title":"MACHINE LEARNING APLICADO \u00c0 GEOTECNIA DE FILITOS - Revista In The Mine","og_description":"Pesquisa da UFOP utiliza algoritmos para prever coes\u00e3o e \u00e2ngulo de atrito em rochas brandas, reduzindo custos e riscos em projetos de minera\u00e7\u00e3o","og_url":"https:\/\/www.inthemine.com.br\/site\/machine-learning-aplicado-a-geotecnia-de-filitos\/","og_site_name":"Revista In The Mine","article_publisher":"http:\/\/www.facebook.com\/inthemine","article_published_time":"2025-09-04T14:33:11+00:00","article_modified_time":"2025-09-04T14:34:33+00:00","og_image":[{"width":800,"height":394,"url":"https:\/\/www.inthemine.com.br\/site\/wp-content\/uploads\/2025\/09\/Imagem1.jpg","type":"image\/jpeg"}],"author":"Reda\u00e7\u00e3o ITM","twitter_card":"summary_large_image","twitter_creator":"@intheminet","twitter_site":"@intheminet","twitter_misc":{"Escrito por":"Reda\u00e7\u00e3o ITM","Est. tempo de leitura":"9 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.inthemine.com.br\/site\/machine-learning-aplicado-a-geotecnia-de-filitos\/#article","isPartOf":{"@id":"https:\/\/www.inthemine.com.br\/site\/machine-learning-aplicado-a-geotecnia-de-filitos\/"},"author":{"name":"Reda\u00e7\u00e3o ITM","@id":"https:\/\/www.inthemine.com.br\/site\/#\/schema\/person\/9eb77cece2cea253bb36c4b68c6a324c"},"headline":"MACHINE LEARNING APLICADO \u00c0 GEOTECNIA DE FILITOS","datePublished":"2025-09-04T14:33:11+00:00","dateModified":"2025-09-04T14:34:33+00:00","mainEntityOfPage":{"@id":"https:\/\/www.inthemine.com.br\/site\/machine-learning-aplicado-a-geotecnia-de-filitos\/"},"wordCount":1768,"commentCount":0,"publisher":{"@id":"https:\/\/www.inthemine.com.br\/site\/#organization"},"image":{"@id":"https:\/\/www.inthemine.com.br\/site\/machine-learning-aplicado-a-geotecnia-de-filitos\/#primaryimage"},"thumbnailUrl":"https:\/\/www.inthemine.com.br\/site\/wp-content\/uploads\/2025\/09\/Imagem1.jpg","articleSection":["INOVA\u00c7\u00c3O"],"inLanguage":"pt-BR","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/www.inthemine.com.br\/site\/machine-learning-aplicado-a-geotecnia-de-filitos\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/www.inthemine.com.br\/site\/machine-learning-aplicado-a-geotecnia-de-filitos\/","url":"https:\/\/www.inthemine.com.br\/site\/machine-learning-aplicado-a-geotecnia-de-filitos\/","name":"MACHINE LEARNING APLICADO \u00c0 GEOTECNIA DE FILITOS - Revista In The Mine","isPartOf":{"@id":"https:\/\/www.inthemine.com.br\/site\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.inthemine.com.br\/site\/machine-learning-aplicado-a-geotecnia-de-filitos\/#primaryimage"},"image":{"@id":"https:\/\/www.inthemine.com.br\/site\/machine-learning-aplicado-a-geotecnia-de-filitos\/#primaryimage"},"thumbnailUrl":"https:\/\/www.inthemine.com.br\/site\/wp-content\/uploads\/2025\/09\/Imagem1.jpg","datePublished":"2025-09-04T14:33:11+00:00","dateModified":"2025-09-04T14:34:33+00:00","description":"Pesquisa da UFOP utiliza algoritmos para prever coes\u00e3o e \u00e2ngulo de atrito em rochas brandas, reduzindo custos e riscos em projetos de minera\u00e7\u00e3o","breadcrumb":{"@id":"https:\/\/www.inthemine.com.br\/site\/machine-learning-aplicado-a-geotecnia-de-filitos\/#breadcrumb"},"inLanguage":"pt-BR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.inthemine.com.br\/site\/machine-learning-aplicado-a-geotecnia-de-filitos\/"]}]},{"@type":"ImageObject","inLanguage":"pt-BR","@id":"https:\/\/www.inthemine.com.br\/site\/machine-learning-aplicado-a-geotecnia-de-filitos\/#primaryimage","url":"https:\/\/www.inthemine.com.br\/site\/wp-content\/uploads\/2025\/09\/Imagem1.jpg","contentUrl":"https:\/\/www.inthemine.com.br\/site\/wp-content\/uploads\/2025\/09\/Imagem1.jpg","width":800,"height":394,"caption":"Cava Cachorro Bravo \u2013 Mina C\u00f3rrego do S\u00edtio"},{"@type":"BreadcrumbList","@id":"https:\/\/www.inthemine.com.br\/site\/machine-learning-aplicado-a-geotecnia-de-filitos\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"In\u00edcio","item":"https:\/\/www.inthemine.com.br\/site\/"},{"@type":"ListItem","position":2,"name":"MACHINE LEARNING APLICADO \u00c0 GEOTECNIA DE FILITOS"}]},{"@type":"WebSite","@id":"https:\/\/www.inthemine.com.br\/site\/#website","url":"https:\/\/www.inthemine.com.br\/site\/","name":"Revista In The Mine","description":"Minera\u00e7\u00e3o brasileira","publisher":{"@id":"https:\/\/www.inthemine.com.br\/site\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.inthemine.com.br\/site\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"pt-BR"},{"@type":"Organization","@id":"https:\/\/www.inthemine.com.br\/site\/#organization","name":"In The Mine magazine","url":"https:\/\/www.inthemine.com.br\/site\/","logo":{"@type":"ImageObject","inLanguage":"pt-BR","@id":"https:\/\/www.inthemine.com.br\/site\/#\/schema\/logo\/image\/","url":"https:\/\/www.inthemine.com.br\/site\/wp-content\/uploads\/2014\/08\/parceiro_theinmine.png","contentUrl":"https:\/\/www.inthemine.com.br\/site\/wp-content\/uploads\/2014\/08\/parceiro_theinmine.png","width":170,"height":120,"caption":"In The Mine magazine"},"image":{"@id":"https:\/\/www.inthemine.com.br\/site\/#\/schema\/logo\/image\/"},"sameAs":["http:\/\/www.facebook.com\/inthemine","https:\/\/x.com\/intheminet","https:\/\/www.instagram.com\/minegaleria","https:\/\/www.linkedin.com\/company\/in-the-mine?trk=biz-companies-cym","https:\/\/www.youtube.com\/user\/revistainthemine"]},{"@type":"Person","@id":"https:\/\/www.inthemine.com.br\/site\/#\/schema\/person\/9eb77cece2cea253bb36c4b68c6a324c","name":"Reda\u00e7\u00e3o ITM","image":{"@type":"ImageObject","inLanguage":"pt-BR","@id":"https:\/\/secure.gravatar.com\/avatar\/0f7f41419befdee0feca08f9ea1e434cac9c04e0b8d28ab40cffb82628fcfdf1?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/0f7f41419befdee0feca08f9ea1e434cac9c04e0b8d28ab40cffb82628fcfdf1?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/0f7f41419befdee0feca08f9ea1e434cac9c04e0b8d28ab40cffb82628fcfdf1?s=96&d=mm&r=g","caption":"Reda\u00e7\u00e3o ITM"},"url":"https:\/\/www.inthemine.com.br\/site\/author\/admin-itm\/"}]}},"_links":{"self":[{"href":"https:\/\/www.inthemine.com.br\/site\/wp-json\/wp\/v2\/posts\/28865","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.inthemine.com.br\/site\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.inthemine.com.br\/site\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.inthemine.com.br\/site\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/www.inthemine.com.br\/site\/wp-json\/wp\/v2\/comments?post=28865"}],"version-history":[{"count":1,"href":"https:\/\/www.inthemine.com.br\/site\/wp-json\/wp\/v2\/posts\/28865\/revisions"}],"predecessor-version":[{"id":28866,"href":"https:\/\/www.inthemine.com.br\/site\/wp-json\/wp\/v2\/posts\/28865\/revisions\/28866"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.inthemine.com.br\/site\/wp-json\/wp\/v2\/media\/28867"}],"wp:attachment":[{"href":"https:\/\/www.inthemine.com.br\/site\/wp-json\/wp\/v2\/media?parent=28865"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.inthemine.com.br\/site\/wp-json\/wp\/v2\/categories?post=28865"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.inthemine.com.br\/site\/wp-json\/wp\/v2\/tags?post=28865"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}