CLASSIFICAÇÃO GEOMECÂNICA PRÉVIA DO MACIÇO ROCHOSO DO ENTORNO DE ESCAVAÇÕES SUBTERRÂNEAS USANDO MODELOS DE BLOCOS ESTIMADOS POR KRIGAGEM DOS INDICADORES. ESTUDO DE CASO: MINERAÇÃO FAZENDA BRASILEIRO – BAHIA/BRASIL

Autores

DOI:

https://doi.org/10.15628/holos.2020.10233

Palavras-chave:

Modelo de Bloco Geomecânico, RMR, Krigagem por Indicadores, Dados de Furo de Sonda, Caracterização Geomecânica

Resumo

Um modelo tridimensional que represente a qualidade e características geomecânicas do maciço rochoso a ser escavado pode ser utilizado para classificação geomecânica prévia do maciço rochoso do entorno de escavações subterrâneas, contribuindo para o aumento da segurança nas atividades em subsolo, subsidiando nas tomadas de decisão dos projetos de lavra, dimensionamento das escavações, definição da malha dos sistemas de reforço e suporte e identificação antecipada de possíveis áreas ou regiões com risco geológico. Com o objetivo de melhorar a segurança nas atividades em subsolo, além de difundir e popularizar o uso de métodos de interpolação espacial para representação da continuidade espacial da qualidade do maciço rochoso e de variáveis geomecânicas através de métodos geoestatísticos. Este artigo demonstra a metodologia para classificação geomecânica prévia, com base nas metodologias do RMR e Sistema Q, do maciço rochoso do entorno de futuras escavações subterrâneas usando modelos de blocos estimados por krigagem dos indicadores. Os dados utilizados são provenientes de descrição geotécnica de testemunhos de sondagem. O RMR e Sistema Q são parâmetros geomecânicos amplamente utilizados em projetos de engenharia para o dimensionamento de escavações e sistemas de reforço. Os modelos estimados foram validados através de inspeção visual e validação cruzada.

Downloads

Não há dados estatísticos.

Biografia do Autor

Iure Borges de Moura Aquino, Universidade Federal de Campina Grande

Possui graduação em Engenharia de Minas pela Universidade Federal de Ouro Preto (2011) e mestrado em Engenharia Mineral pela Universidade Federal de Ouro Preto (2014). Atualmente é professor da Universidade Federal de Campina Grande. Tem experiência na área de Geomecânica, Geoprocessamento e elaboração de estudos ambientais diversos, com ênfase em Espeleologia

Roberto Mentzingen Rolo, Universidade Federal do Rio Grande do Sul

Engenheiro de Minas, Mestre em geoestatística, doutorando em geoestatística. Tem domínio dos principais softwares de mineração utilizados pela indústria, domina programação em python aplicada às geociências e algoritmos de machine learning. Tem experiência em modelagem geológica implícita, fluxos de trabalho de estimativa e simulação de teores

André Cezar Zingano, Universidade Federal do Rio Grande do Sul

Formado em Engenharia de Minas (1990) pela Universidade Federal do Rio grande do Sul, Doutor em Engenharia em 2002. Mestrado em Engenharia de Minas, Metalúrgica e de Materiais pela Universidade Federal do Rio Grande do Sul (1996) na área de geoestatística e doutorado em Engenharia de Minas, Metalúrgica e de Materiais pela Universidade Federal do Rio Grande do Sul (2002) na área de mecânica de rochas, com doutorado sandwish na Universidade de West Virginia sob orientação do prof. Syd Peng. Estágio pós-doutoral na Universidade de West Virginia com atividades em projetos ligados a área de geomecânica ligada a lavra de carvão. Professor Adjunto do Departamento de Engenharia de Minas da UFRGS, dando aulas para as disciplinas de Geologia de Engenharia e Mecânica de Rochas para os cursos de Engenharia de Minas e Engenharia Civil. Atua na pós-graduação como orientador de mestrado para dissertações em controle de maciço e lavra subterrânea. Participa de projetos em geomecânica para a indústria de mineração em projetos de estabilidade de escavações subterrâneas e céu aberto, estabilidade de barragens e bacias de contenção, pilhas de minério e estéril. Responsável pelo laboratório de Mecânica de Rochas do LPM. Membro da ABGE ? Associação Brasileira de Geologia de Engenharia, CBMR ? Comissão Brasileira de Mecanica de Rochas, Comitê Internacional de Rochas Brandas da ISRM ? International Society of Rock Mechnics, SME ? Society of Mining, Metallurgy and Exploration.

Hernani Mota de Lima, Universidade Federal de Ouro Preto

Possui graduação em Engenharia de Minas pela Universidade Federal de Ouro Preto (1987), mestrado em Engenharia Metalúrgica e de Minas (CPGEM) pela Universidade Federal de Minas Gerais (1993) e doutorado em Gerenciamento Ambiental - University of Wales, Aberystwyth, País de Gales (2001).É professor da Universidade Federal de Ouro Preto. Desenvolve estudos na área de Engenharia de Minas, com ênfase em desenvolvimento de mina, fechamento de mina e gerenciamento ambiental na mineração.

Referências

Aalianvari, A., Soltani-Mohammadi, S., & Rahemi, Z. (2018). Estimation of geomechanical parameters of tunnel route using geostatistical methods. Geomechanics and Engineering, 14, 453–458. https://doi.org/10.12989/gae.2018.14.5.453

Archambault, G., Gentier, S., Riss, J., & Flamand, R. (1997). The evolution of void spaces (permeability) in relation with rock joint shear behavior. International Journal of Rock Mechanics and Mining Sciences, 34(3–4), 14.e1-14.e15. https://doi.org/10.1016/S1365-1609(97)00046-4

Ayalew, L., Reik, G., & Busch, W. (2002). Characterizing weathered rock masses—a geostatistical approach. International Journal of Rock Mechanics and Mining Sciences, 39(1), 105–114. https://doi.org/10.1016/S1365-1609(02)00004-7

Barton, N., Lien, R., & Lunde, J. (1974). Engineering classification of rock masses for the design of tunnel support. Rock Mechanics, 6(4), 189–236.

Bieniawski, Z. T. (1973). Engineering classification of jointed rock masses. Civil Engineer in South Africa, 15(12).

Bieniawski, Z. T. (1989). Engineering rock mass classifications: a complete manual for engineers and geologists in mining, civil, and petroleum engineering.

Brady, B. H. G., & Brown, E. T. (2004). Rock Mechanics for underground mining Kluwer Academic Publishers. Dordrecht.

Brown, E. T. (1981). ISRM suggested methods. Rock characterization testing and monitoring. London: Royal School of Mines.

Burrough, P. A. (1986). Principles of Geographical. Information Systems for Land Resource Assessment. Clarendon Press, Oxford.

Bussab, W. de O., & Morettin, P. A. (2009). Estatística básica.

Camargo, E. C. G. (1998). Geoestatística: fundamentos e aplicações. Geoprocessamento Para Projetos Ambientais. São José Dos Campos: INPE.

Castaing, C., Genter, A., Chilès, J. P., Bourgine, B., & Ouillon, G. (1997). Scale effects in natural fracture networks. International Journal of Rock Mechanics and Mining Sciences, 34(3–4), 45.e1-45.e18. https://doi.org/10.1016/S1365-1609(97)00117-2

Chen, J., Li, X., Zhu, H., & Rubin, Y. (2017). Geostatistical method for inferring RMR ahead of tunnel face excavation using dynamically exposed geological information. Engineering Geology, 228, 214–223. https://doi.org/https://doi.org/10.1016/j.enggeo.2017.08.004

Chiessi, V., D’Orefice, M., Scarascia Mugnozza, G., Vitale, V., & Cannese, C. (2010). Geological, geomechanical and geostatistical assessment of rockfall hazard in San Quirico Village (Abruzzo, Italy). Geomorphology, 119(3), 147–161. https://doi.org/https://doi.org/10.1016/j.geomorph.2010.03.010

Cruz, F. A. R. da. (2017). Espacialização de parâmetro de rocha intacta em modelos de blocos utilizando krigagem da indicatriz. [Master thesis, Universidade Federal do Rio Grande do Sul]. http://hdl.handle.net/10183/164588

Damasceno, C. S. R. (2008). Modelagem Geológica e Geomecânica 3D e Análises de Estabilidade 2D dos Taludes da Mina de Morro da Mina, Conselheiro Lafaiete, MG, Brasil [Master thesis, Pontifícia Universidade Católica do Rio de Janeiro]. https://www.maxwell.vrac.puc-rio.br/12068/12068_1.PDF

de Oliveira Filho, P. F. (2015). Epidemiologia e Bioestatística–Fundamentos para a Leitura Crítica. Editora Rubio.

Deere, D. U. (1963). Technical description of rock cores for engineering purpose. Rock Mechanics and Enginee-Ring Geology, 1(1), 16–22.

Deisman, N., Khajeh, M., & Chalaturnyk, R. J. (2013). Using geological strength index (GSI) to model uncertainty in rock mass properties of coal for CBM/ECBM reservoir geomechanics. International Journal of Coal Geology, 112, 76–86. https://doi.org/https://doi.org/10.1016/j.coal.2012.10.015

Egaña, M., & Ortiz, J. M. (2013). Assessment of RMR and its uncertainty by using geostatistical simulation in a mining project. Journal of GeoEngineering, 8(3), 83–90.

Eivazy, H., Esmaieli, K., & Jean, R. (2016, October 18). Challenges in modelling geomechanical heterogeneity of rock masses using geostatistical approaches. Conference: World Mining Congress.

Exadaktylos, G., & Stavropoulou, M. (2008). A specific upscaling theory of rock mass parameters exhibiting spatial variability: Analytical relations and computational scheme. International Journal of Rock Mechanics and Mining Sciences, 45(7), 1102–1125. https://doi.org/10.1016/j.ijrmms.2007.11.008

Ferrari, F., Apuani, T., & Giani, G. P. (2014). Rock Mass Rating spatial estimation by geostatistical analysis. International Journal of Rock Mechanics and Mining Sciences, 70, 162–176. https://doi.org/https://doi.org/10.1016/j.ijrmms.2014.04.016

Gao, X., Chuan Yan, E., Yeh, T.-C. J., Cai, J.-S., Liang, Y., & Wang, M. (2018). A geostatistical inverse approach to characterize the spatial distribution of deformability and shear strength of rock mass around an unlined rock cavern. Engineering Geology, 245, 106–119. https://doi.org/https://doi.org/10.1016/j.enggeo.2018.08.007

Gentier, S., Riss, J., Archambault, G., Flamand, R., & Hopkins, D. (2000). Influence of fracture geometry on shear behavior. International Journal of Rock Mechanics and Mining Sciences, 37(1–2), 161–174. https://doi.org/10.1016/S1365-1609(99)00096-9

Goovaerts, P. (1997). Geostatistics for natural resources evaluation. Oxford University Press on Demand.

Guerra, C., Fischer, K., & Henk, A. (2019). 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, 19, 100113. https://doi.org/https://doi.org/10.1016/j.gete.2019.01.002

Hoek, E. (2006). Practical Rock Engineering. Evert Hoek Consulting Engineer Inc. North Vancouver. British Columbia, Canadá.

Hoek, E., & Brown, E. T. (1997). Practical estimates of rock mass strength. International Journal of Rock Mechanics and Mining Sciences, 34(8), 1165–1186.

Jalalifar, H., Mojedifar, S., & Sahebi, A. A. (2014). Prediction of rock mass rating using fuzzy logic and multi-variable RMR regression model. International Journal of Mining Science and Technology, 24(2), 237–244. https://doi.org/https://doi.org/10.1016/j.ijmst.2014.01.015

Jeon, S., Hong, C., & You, K. (2008). Design of tunnel supporting system using geostatistical methods. In Geotechnical aspects of underground construction in soft ground (pp. 797–800). CRC Press.

Journel, A. G. (1982). The indicator approach to estimation of spatial distributions. Proceedings of the 17th APCOM International Symposium, New York, 793–806.

Kring, K., & Chatterjee, S. (2020). Uncertainty quantification of structural and geotechnical parameter by geostatistical simulations applied to a stability analysis case study with limited exploration data. International Journal of Rock Mechanics and Mining Sciences, 125, 104157. https://doi.org/https://doi.org/10.1016/j.ijrmms.2019.104157

Leite, L. de F. (2008). Aplicação de métodos estatísticos e geoestatísticos no estudo de famílias de descontinuidades. [Master thesis, Universidade Federal de Ouro Preto]. http://www.repositorio.ufop.br/handle/123456789/3304

Madani, N., Yagiz, S., & Coffi Adoko, A. (2018). Spatial Mapping of the Rock Quality Designation Using Multi-Gaussian Kriging Method. Minerals, 8(11), 530. https://doi.org/10.3390/min8110530

Marchesi, V. R. (2008). Modelagem Geomecânica Tridimensional de Maciços Rochosos para Análise Bidimensional da Estabilidade dos Taludes de Escavação da Casa de Força do AHE- Simplício [Master thesis, Pontifícia Universidade Católica do Rio de Janeiro]. https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=12566@1

Matheron, G. (1965). Les variables régionalisées et leur estimation: une application de la théorie des fonctions aléatoires aux sciences de la nature. Masson et CIE.

Medina Tripodi, E. E., Gamboa Rueda, J. A., Aguirre Céspedes, C., Delgado Vega, J., & Collao Gómez, C. (2019). 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, 93, 183–202. https://doi.org/https://doi.org/10.1016/j.jsames.2019.05.001

Nazari Ostad, M., Asghari, O., Emery, X., Azizzadeh, M., & Khoshbakht, F. (2016). Fracture network modeling using petrophysical data, an approach based on geostatistical concepts. Journal of Natural Gas Science and Engineering, 31, 758–768. https://doi.org/https://doi.org/10.1016/j.jngse.2016.03.084

Ozturk, C. A., & Simdi, E. (2014). Geostatistical investigation of geotechnical and constructional properties in Kadikoy–Kartal subway, Turkey. Tunnelling and Underground Space Technology, 41, 35–45. https://doi.org/https://doi.org/10.1016/j.tust.2013.11.002

Pinheiro, M., Emery, X., Rocha, A. M. A. C., Miranda, T., & Lamas, L. (2017). Boreholes plans optimization methodology combining geostatistical simulation and simulated annealing. Tunnelling and Underground Space Technology, 70, 65–75. https://doi.org/https://doi.org/10.1016/j.tust.2017.07.003

Pinheiro, M., Sousa, L., Miranda, T., & Pereira, E. (2019). Rock Quality Designation 3D modelling using geostatistics: a tungsten Portuguese deposit sace study. 53rd U.S. Rock Mechanics/Geomechanics Symposium, 23-26 June, New York City, New York, ARMA-2019-1727.

Pinheiro, M., Vallejos, J., Miranda, T., & Emery, X. (2016). Geostatistical simulation to map the spatial heterogeneity of geomechanical parameters: A case study with rock mass rating. Engineering Geology, 205, 93–103. https://doi.org/10.1016/j.enggeo.2016.03.003

Pishbin, M., Fathianpour, N., & Mokhtari, A. R. (2016). Uniaxial Compressive Strength spatial estimation using different interpolation techniques. International Journal of Rock Mechanics and Mining Sciences, 89, 136–150. https://doi.org/10.1016/j.ijrmms.2016.09.005

Redondo, F. (2003). Classificação probabilística do padrão geomecânico de um maciço rochoso mineralizado com base no índice RQD. [Master thesis, Universidade Estadual Paulista]. http://hdl.handle.net/11449/92778%3E

Ryu, D., Kim, D., Lee, W., & Kim, H. (2013). Quantification of spatial uncertainty in secondary compression of reclaimed land using a simulated geologic profile. Engineering Geology, 155, 1–9. https://doi.org/https://doi.org/10.1016/j.enggeo.2013.01.002

Sánchez, L. K., Emery, X., & Séguret, S. A. (2019). 5D geostatistics for directional variables: Application in geotechnics to the simulation of the linear discontinuity frequency. Computers & Geosciences, 133, 104325. https://doi.org/https://doi.org/10.1016/j.cageo.2019.104325

Santos, V., Da silva, A., & Brito, M. (2018). Estimating RMR Values for Underground Excavations in a Rock Mass. Minerals, 8, 78. https://doi.org/10.3390/min8030078

Sewnun, D., Joughin, W., Wanless, M., & Mpunzi, P. (2019). The creation and application of a geotechnical block model for an underground mining project. Proceedings of the Ninth International Symposium on Ground Support in Mining and Underground Construction, 479–492. https://doi.org/10.36487/ACG_rep/1925_34_Sewnun

Soufi, A., Bahi, L., & Latifa, O. (2018). Contribution of geostatistical analysis for the assessment of RMR and geomechanical parameters. ARPN Journal of Engineering and Applied Sciences, 13, 9359–9374.

Stark, P. (1979). Introdução aos métodos numéricos; tradução de João Bosco Pitombeira de Carvalho. Interciência, Rio de Janeiro, 426p., 53–64.

Van de Wall, A. R. G., & Ajalu, J. S. (1997). Characterization of the geotechnical properties of rock material for construction purposes. International Journal of Rock Mechanics and Mining Sciences, 34(3–4), 319.e1-319.e12. https://doi.org/10.1016/S1365-1609(97)00208-6

Vatanable, H. Y. (2018). A geoestatística como ferramenta para estimar o Rock Mass Rating em modelos tridimensionais [Master thesis, Universidade Federal do Rio Grande do Sul]. http://hdl.handle.net/10183/184887

Vilca, Y. C. (2019). Modelagem geoestatística de variáveis geomecânicas estudo de caso: Mina Córrego do Sítio, Santa Bárbara/MG. [Master thesis, Universidade Federal de Ouro Preto]. http://www.repositorio.ufop.br/handle/123456789/11998

Yamamoto, J. K., & Landim, P. M. B. (2015). Geoestatística: conceitos e aplicações. Oficina de textos.

You, K., & Barnes, R. J. (1997). Infill sampling design for tunnel rock classification. International Journal of Rock Mechanics and Mining Sciences, 34(2), 207–215. https://doi.org/10.1016/S0148-9062(96)00054-X

Zhang, Q., An, Z., Liu, T., Zhang, Z., Huangfu, Z., Li, Q., Yang, Q., & Liu, J. (2020). Intelligent rolling compaction system for earth-rock dams. Automation in Construction, 116, 103246. https://doi.org/https://doi.org/10.1016/j.autcon.2020.103246

Zingano, A. C. (2002). Modelamento geomecânico para o dimensionamento de pilares de carvão. Phd thesis, Universidade Federal do Rio Grande do Sul.

Downloads

Publicado

06/08/2021

Como Citar

Aquino, I. B. de M., Rolo, R. M., Zingano, A. C., & Lima, H. M. de. (2021). CLASSIFICAÇÃO GEOMECÂNICA PRÉVIA DO MACIÇO ROCHOSO DO ENTORNO DE ESCAVAÇÕES SUBTERRÂNEAS USANDO MODELOS DE BLOCOS ESTIMADOS POR KRIGAGEM DOS INDICADORES. ESTUDO DE CASO: MINERAÇÃO FAZENDA BRASILEIRO – BAHIA/BRASIL. HOLOS, 4, 1–23. https://doi.org/10.15628/holos.2020.10233

Edição

v. 4 (2021)

Seção

ARTIGOS

Artigos mais lidos pelo mesmo(s) autor(es)

Artigos Semelhantes

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 > >> 

Você também pode iniciar uma pesquisa avançada por similaridade para este artigo.