Comparação de métodos de interpolação espacial para construção de modelos de blocos geomecânicos a partir de descrição geomecânica de testemunhos de sondagem

Autores

DOI:

https://doi.org/10.18265/1517-0306a2021id4925

Palavras-chave:

caracterização geomecânica, classificação geomecânica, modelo de bloco geomecânico, testemunhos de sondagem

Resumo

A construção de modelos tridimensionais que representem a qualidade e as características geomecânicas do maciço rochoso a ser escavado pode ser elaborada por meio da utilização de técnicas de interpolação espacial. Este artigo tem como objetivo comparar os resultados das estimativas realizadas por meio de krigagem por indicadores com os resultados das estimativas realizadas por krigagem ordinária, interpolação pelo inverso do quadrado da distância e interpolação pelo vizinho mais próximo para a construção de modelos de blocos geomecânicos que representem a qualidade maciça do rochoso via RMR. Além da verificação da influência das dimensões dos blocos (2 m × 2 m × 2 m e 5 m × 5 m × 5 m) nos resultados finais das estimativas, a krigagem por indicadores é um método de estimativa de variáveis geomecânicas amplamente utilizado e referenciado na bibliografia. É um método indicado para estimativas de variáveis categóricas e não aditivas, visto que as variáveis geomecânicas visuais ou descritas são definidas como qualitativas de forma categóricas, não contínuas e não aditivas; e que pertencem a um intervalo de classificação. A carência de estudos de comparação entre os resultados das estimativas por krigagem por indicadores e demais métodos de estimativas utilizando o mesmo banco de dados motivou este trabalho. O método de krigagem por indicadores apresentou melhores resultados para estimativa do RMR, firmando-se como um dos mais adequados para as estimativas de variáveis geomecânicas em comparação aos demais métodos utilizados neste estudo. Os dados para a elaboração deste artigo são provenientes de descrição geotécnica de testemunhos de sondagem subterrânea, em leque de 39 furos de sonda, com metragem total de 4.015 metros da Mina Fazenda Brasileiro, localizada no município de Teofilândia (BA).

Downloads

Não há dados estatísticos.

Referências

AALIANVARI, A.; SOLTANI-MOHAMMADI, S.; RAHEMI, Z. Estimation of geomechanical parameters of tunnel route using geostatistical methods. Geomechanics and Engineering, v. 14, p. 453-458, Apr. 2018. DOI: https://doi.org/10.12989/gae.2018.14.5.453.

BARTON, N.; LIEN, R.; LUNDE, J. Engineering classification of rock masses for the design of tunnel support. Rock Mechanics, v. 6, n. 4, p. 189-236, 1974. DOI: https://doi.org/10.1007/BF01239496.

BIENIAWSKI, Z. T. Engineering classification of jointed rock masses. Civil Engineer in South Africa, v. 15, n. 12, p. 343-353, Dec. 1973. Disponível em: https://journals.co.za/doi/pdf/10.10520/AJA10212019_17397. Acesso em: 15 ago. 2021.

BIENIAWSKI, Z. T. Engineering rock mass classifications: a complete manual for engineers and geologists in mining, civil, and petroleum engineering. Toronto: Wiley, 1989.

BRADY, B. H. G.; BROWN, E. T. Rock mechanics for underground mining. 3. ed. Dordrecht: Kluwer Academic, 2004.

BURROUGH, P. A. Principles of geographical information systems for land resource assessment. Clarendon Press. Oxford: Oxford University Press, 1986.

BUSSAB, W. O.; MORETIN, P. A. Estatística básica. 6. ed. São Paulo: Saraiva, 2010.

CAMARGO, E. C. G. Geoestatística: fundamentos e aplicações, Geoprocessamento para projetos ambientais. São José dos Campos: INPE, 1998. Disponível em: http://www.dpi.inpe.br/gilberto/tutoriais/gis_ambiente/5geoest.pdf. Acesso em: 15 ago. 2021.

CHEN, J.; LI, X.; ZHU, H.; RUBIN, Y. Geostatistical method for inferring RMR ahead of tunnel face excavation using dynamically exposed geological information. Engineering Geology, v. 228, p. 214-223, 2017. DOI: https://doi.org/10.1016/j.enggeo.2017.08.004.

CRUZ, F. A. R. Espacialização de parâmetro de rocha intacta em modelos de blocos utilizando krigagem da indicatriz. 2017. Tese (Doutorado em Engenharia de Minas, Metalúrgica e de Materiais) – Universidade Federal do Rio Grande do Sul, Porto Alegre, 2017. Disponível em: https://lume.ufrgs.br/handle/10183/164588. Acesso em: 15 ago. 2021.

DEERE, D. U.; DEERE, D. W. Rock quality designation (RQD) after twenty years. Final report. Gainesville: US Army Corps of Engineers, 1989. Disponível em: https://www.nrc.gov/docs/ml0037/ML003749192.pdf. Acesso em: 15 ago. 2021.

EGAÑA, M.; ORTIZ, J. M. Assessment of RMR and its uncertainty by using geostatistical simulation in a mining project. Journal of GeoEngineering, v. 8, n. 3, p. 83-90, Dec. 2013. DOI: https://doi.org/10.6310/JOG.2013.8(3).2.

EIVAZY, H.; ESMAIELI, K.; JEAN, R. Challenges in modeling geomechanical heterogeneity of rock masses using geostatistical approaches. In: WORLD MINING CONGRESS, 24., 2016, Rio de Janeiro. Proceedings (…): surface mining. Rio de Janeiro: Instituto Brasileiro de Mineração, 2016. p. 26-36.

GAO, X.; YAN, E. C.; YEH, T. C. J.; CAI, J. S.; LIANG, Y.; WANG, M. A geostatistical inverse approach to characterize the spatial distribution of deformability and shear strength of rock mass around an unlined rock cavern. Engineering Geology, v. 245, p. 106-119, 2018. DOI: https://doi.org/10.1016/j.enggeo.2018.08.007.

GOOVAERTS, P. Geostatistics for natural resources evaluation. [S.l.]: Oxford University Press on Demand, 1997. ISBN 0-19-511538-4.

GUERRA, C.; FISCHER, K.; HENK, A. Stress prediction using 1D and 3D geomechanical models of a tight gas reservoir: a case study from the Lower Magdalena Valley Basin, Colombia. Geomechanics for Energy and the Environment, v. 19, p. 100113, 2019. DOI: https://doi.org/10.1016/j.gete.2019.01.002.

HARTKAMP, A. D.; DE BEURS, K.; STEIN, A.; WHITE, J. W. Interpolation techniques for climate variables. México: International Maize and Wheat Improvement Center (CIMMYT), 1999. (Geographic Information Systems Series 99-01).

HOEK, E.; BROWN, E. T. Practical estimates of rock mass strength. International Journal of Rock Mechanics and Mining Sciences, v. 34, n. 8, p. 1165-1186, 1997. DOI: https://doi.org/10.1016/S1365-1609(97)80069-X.

HOWSON, M. Estimation of geotechnical variables for mass mining. In: MASSMIN, 2004, Santiago (Chile). Proceedings (…). Santiago: Instituto de Ingenieros de Chile, 2004. p. 44-48.

ISAAKS, E. H.; SRIVASTAVA, M. R. An introduction to applied geostatistics. New York: Oxford University Press, 1989.

JOURNEL, A. G. The indicator approach to estimation of spatial distributions. In: INTERNATIONAL SYMPOSIUM ON THE APPLICATION OF COMPUTERS AND OPERATIONS RESEARCH IN THE MINERAL INDUSTRIES, 17., 1982, New York. Proceedings (…). New York: [S.n.], 1982. p. 793-806.

KRING, K.; CHATTERJEE, S. Uncertainty quantification of structural and geotechnical parameters by geostatistical simulations applied to a stability analysis case study with limited exploration data. International Journal of Rock Mechanics and Mining Sciences, v. 125, p. 104157, Jan. 2020. DOI: https://doi.org/10.1016/j.ijrmms.2019.104157.

MADANI, N.; YAGIZ, S.; ADOKO, A. C. Spatial mapping of the rock quality designation using multi-Gaussian kriging method. Minerals, v. 8, n. 11, p. 530, 2018. DOI: https://doi.org/10.3390/min8110530.

MAZZINI, P. L. F.; SCHETTINI, C. A. F. Avaliação de metodologias de interpolação espacial aplicadas a dados hidrográficos costeiros quase-sinóticos. Brazilian Journal of Aquatic Science and Technology, v. 13, n. 1, p. 53-64, July 2009.

OLIVEIRA FILHO, P. F. Epidemiologia e bioestatística: fundamentos para a leitura crítica. Rio de Janeiro: Rubio, 2015.

OSTAD, M. N.; ASGHARI, O.; EMERY, X.; AZIZZADEH, M.; KHOSHBAKHT, F. Fracture network modeling using petrophysical data, an approach based on geostatistical concepts. Journal of Natural Gas Science and Engineering, v. 31, p. 758-768, 2016. DOI: https://doi.org/10.1016/j.jngse.2016.03.084.

PINHEIRO, M.; EMERY, X.; ROCHA, A. M. A. C.; MIRANDA, T.; LAMAS, L. Boreholes plans optimization methodology combining geostatistical simulation and simulated annealing. Tunneling and Underground Space Technology, v. 70, p. 65-75, 2017. DOI: https://doi.org/10.1016/j.tust.2017.07.003.

PINHEIRO, M.; SOUSA, L.; MIRANDA, T.; PEREIRA, E. Rock quality designation 3D modeling using geostatistics: a tungsten Portuguese deposit case study. In: US ROCK MECHANICS/GEOMECHANICS SYMPOSIUM, 53., 2019, New York. Proceedings (…). New York: American Rock Mechanics Association, 2019. p. 1727. Disponível em: https://onepetro.org/ARMAUSRMS/proceedings-abstract/ARMA19/All-ARMA19/ARMA-2019-1727/125013. Acesso em: 15 ago. 2021.

PINHEIRO, M.; VALLEJOS, J.; MIRANDA, T.; EMERY, X. Geostatistical simulation to map the spatial heterogeneity of geomechanical parameters: a case study with rock mass rating. Engineering Geology, v. 205, p. 93-103, 2016. DOI: https://doi.org/10.1016/j.enggeo.2016.03.003.

PISHBIN, M.; FATHIANPOUR, N.; MOKHTARI, A. R. Uniaxial Compressive Strength spatial estimation using different interpolation techniques. International Journal of Rock Mechanics and Mining Sciences, v. 89, p. 136-150, 2016. DOI: https://doi.org/10.1016/j.ijrmms.2016.09.005.

SÁNCHEZ, L. K.; EMERY, X.; SÉGURET, S. A. 5D geostatistics for directional variables: Application in geotechnics to the simulation of the linear discontinuity frequency. Computers & Geosciences, v. 133, p. 104325, 2019. DOI: https://doi.org/10.1016/j.cageo.2019.104325.

SANTOS, V.; SILVA, P. F.; BRITO, M. G. Estimating RMR Values for underground excavations in a rock mass. Minerals, v. 8, n. 3, p. 78, 2018. DOI: https://doi.org/10.3390/min8030078.

SEWNUN, D.; JOUGHIN, W.; WANLESS, M.; MPUNZI, P. The creation and application of a geotechnical block model for an underground mining project. In: INTERNATIONAL SYMPOSIUM ON GROUND SUPPORT IN MINING AND UNDERGROUND CONSTRUCTION, 9., [S.l.], 2019. Proceedings (…). Perth: Australian Center for Geomechanics, 2019. p. 479-492. DOI: https://doi.org/10.36487/ACG_rep/1925_34_Sewnun.

SOARES, A. Geoestatística para as ciências da terra e do ambiente. Lisboa: Instituto Superior Técnico, 2000. ISBN 9728469462.

SOUFI, A.; BAHI, L.; LATIFA, O. Contribution of geostatistical analysis for the assessment of RMR and geomechanical parameters. ARPN Journal of Engineering and Applied Sciences, v. 13, n. 24, p. 9359-9374, 2018. Disponível em: http://www.arpnjournals.org/jeas/research_papers/rp_2018/jeas_1218_7465.pdf. Acesso em: 15 ago. 2021.

STARK, P. Introdução aos métodos numéricos. Rio de Janeiro: Interciência, 1979. 426 p.

TRIPODI, E. E. M.; RUEDA, J. A. G.; CÉSPEDES, C. A.; VEGA, J. D.; GÓMEZ, C. C. Characterization and geostatistical modelling of contaminants and added value metals from an abandoned Cu–Au tailing dam in Taltal (Chile). Journal of South American Earth Sciences, v. 93, p. 183-202, 2019. DOI: https://doi.org/10.1016/j.jsames.2019.05.001.

VATANABLE, H. Y. A geoestatística como ferramenta para estimar o rock mass rating em modelos tridimensionais. 2018. Dissertação (Mestrado em Engenharia de Minas, Metalúrgica e de Materiais) – Escola de Engenharia, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2018. Disponível em: http://hdl.handle.net/10183/184887. Acesso em: 15 ago. 2021.

VILCA, Y. C. Modelagem geoestatística de variáveis geomecânicas estudo de caso: Mina Córrego do Sítio, Santa Bárbara/MG. 2019. Dissertação (Mestrado em Engenharia Geotécnica) – Universidade Federal de Ouro Preto, Ouro Preto, 2019. Disponível em: https://www.repositorio.ufop.br/handle/123456789/11998. Acesso em: 20 ago. 2021.

YAMAMOTO, J. K.; LANDIM, P. M. B. Geoestatística: conceitos e aplicações. São Paulo: Oficina de Textos, 2013. ISBN 9788579750779.

YOU, K.; BARNES, R. J. Infill sampling design for tunnel rock classification. International Journal of Rock Mechanics and Mining Sciences, v. 34, n. 2, p. 207-215, 1997. DOI: https://doi.org/10.1016/S0148-9062(96)00054-X.

ZHANG, Q.; AN, Z.; LIU, T.; ZHANG, Z.; HUANGFU, Z.; LI, Q.; LIU, J. Intelligent rolling compaction system for earth-rock dams. Automation in Construction, v. 116, p. 103246, 2020. DOI: https://doi.org/10.1016/j.autcon.2020.103246.

ZINGANO, A. C. Modelamento geomecânico para o dimensionamento de pilares de carvão. 2002. Tese (Doutorado em Engenharia de Minas, Metalúrgica e de Materiais) – Escola de Engenharia, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2002. Disponível em: https://www.lume.ufrgs.br/handle/10183/1978. Acesso em: 20 ago. 2021.

Downloads

Publicado

2022-09-30

Edição

Seção

Engenharias II - Engenharia de Minas