AVALIAÇÃO ESTEREOTÔMICA DE TEORES VIA MÉTODO DE MONTE CARLO

Autores

  • Paulo Filipe Trindade Lopes Universidade Federal de Ouro Preto
  • José Aurélio Medeiros da Luz Universidade Federal de Ouro Preto

DOI:

https://doi.org/10.15628/holos.2014.1751

Resumo

A utilização de gabaritos visuais de teores é uma ferramenta por vezes utilizada, principalmente em atividades de campo, para a avaliação prévia e estimativa de teores e concentração de fases visualmente distintas. Estes padrões geométricos de superfície podem ser simulados com métodos estatísticos, possibilitando a utilização eficaz de outras ferramentas, como a análise computacional de imagens. Neste trabalho propõe-se a utilização do método de Monte Carlo para a simulação destes padrões (gabaritos), usando-se previamente a modelagem matemática das fases mineralógicas/tipológicas imersas no maciço. Apenas alguns parâmetros das distribuições estatísticas associadas à distribuição espacial das fases constituintes são alterados, permitindo uma correlação entre valores desses parâmetros e o padrão dos gabaritos. Tal ferramenta serve, por exemplo, para estimação expedita de teor de blocos de lavra, a partir da análise visual das faces expostas da bancada, bem como para análise petrográfica ou metalográfica.

Downloads

Não há dados estatísticos.

Métricas

Carregando Métricas ...

Biografia do Autor

Paulo Filipe Trindade Lopes, Universidade Federal de Ouro Preto

http://lattes.cnpq.br/0204715483755050

José Aurélio Medeiros da Luz, Universidade Federal de Ouro Preto

http://lattes.cnpq.br/4726096954293697

Referências

FERNANDES, C. A. B. de A. Gerenciamento de riscos em projetos: como usar o Microsoft Excel para realizar a simulação Monte Carlo. Disponível em: <http://www.bbbrothers.com.br/files/pdfs/artigos/simul_monte_carlo.pdf> (acesso em 04/05/13)

HAMMSERSLEY, J. M. & HANDSCOMB, D. C. Monte Carlo Methods. 1967.

HASTINGS, W. K. Monte Carlo Sampling Methods Using Markov Chains and Their Applications. Biometrika 57 (1), 97, 1970.

HILLIER, F. S. & LIEBERMAN, G. J. Introduction to Operations Research, 8th ed., New York: McGraw-Hill, 2005.

J. HROMKOVIC, Algorithms for hard problems: introduction to combinatorial optimization, randomization, approximation, and heuristics. [S.l.]: Springer-Verlag, London - Berlin - Heidelberg - New York, 2001.

LIMA, E. L. Geometria analítica e álgebra linear, 2ª ed., Rio de Janeiro: IMPA, 324 p., 2006.

N. METROPOLIS, A. ROSENBLUTH, M. ROSENBLUTH, A. TELLER, E. TELLER, Equation of State Calculations by Fast Computing Machines, Journal of Chemical Physics 21, 1087, 1953.

SILVA, A. C., BONFIOLI, L. F., Algoritmo de percolação para a detecção e contagem de clusters em imagens digitais. In: III Workshop em Computação, Universidade Federal de Ouro Preto, 2007.

SOBOL, I. O método de Monte Carlo. Moscou: Editorial Mir. 1983. 64 p.

SPOWART, J. E.; MARUYAMA, B.; MIRACLE, D. B. Multi-scale characterization of spatially heterogeneous systems: implications for discontinuously reinforced metal–matrix composite microstructures. Materials Science and Engineering A 307 (2001) 51–66.

SPOWART, J. E. Microstructural characterization and modeling of discontinuously-reinforced aluminum composites. Materials Science and Engineering A 425 (2006) 225–237.

Downloads

Publicado

03/07/2014

Como Citar

Lopes, P. F. T., & da Luz, J. A. M. (2014). AVALIAÇÃO ESTEREOTÔMICA DE TEORES VIA MÉTODO DE MONTE CARLO. HOLOS, 3, 78–87. https://doi.org/10.15628/holos.2014.1751

Edição

Seção

ARTIGOS

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