ISSN 2594-357X
24rd Mining Seminar — Vol. 24, Num. 24 (2025)
Title
Authorship
DOI
Downloads
Abstract
O objetivo do trabalho demonstrar a aplicação de técnicas de ciência de dados no contexto geometalúrgico com foco na construção de modelos preditivos robustos. A metodologia baseia-se em um fluxo estruturado que inclui a análise exploratória de dados, definição de domínios geometalúrgicos e aplicação de modelos estatísticos, especialmente regressão. A AED é essencial para identificar padrões, outliers e relações entre variáveis geológicas e operacionais. A segmentação do depósito em domínios permite reduzir a variabilidade interna dos dados e aumentar a precisão dos modelos ajustados separadamente para cada domínio. Os resultados demonstram que modelos simples, como regressões lineares múltiplas, quando bem calibrados e validados, podem oferecer alto grau de previsibilidade e transparência. A validação dos modelos incluiu análise de resíduos, testes cruzados e revisão crítica das etapas anteriores sempre que os resultados foram insatisfatórios. Conclui-se que a integração entre geologia, estatística e modelagem preditiva forma uma base sólida para a prática da geometalurgia moderna, permitindo decisões mais embasadas e eficazes no planejamento e na operação mineral.
THIS STUDY AIMS TO DEMONSTRATE THE APPLICATION OF DATA-DRIVEN TECHNIQUES IN THE GEOMETALLURGICAL CONTEXT, FOCUSING ON THE CONSTRUCTION OF ROBUST AND INTERPRETABLE PREDICTIVE MODELS TO SUPPORT MINERAL PROCESSING. THE METHODOLOGY IS BASED ON A STRUCTURED WORKFLOW THAT INCLUDES EXPLORATORY DATA ANALYSIS (EDA), DEFINITION OF GEOMETALLURGICAL DOMAINS AND THE APPLICATION OF STATISTICAL MODELS, PARTICULARLY REGRESSION. RESULTS SHOW THAT SIMPLE MODELS SUCH AS MULTIPLE LINEAR REGRESSION, WHEN PROPERLY CALIBRATED AND VALIDATED, CAN PROVIDE HIGH PREDICTIVE PERFORMANCE AND INTERPRETABILITY. MODEL VALIDATION INVOLVED RESIDUAL ANALYSIS, CROSS-VALIDATION, AND ITERATIVE REVIEW OF PRIOR STEPS WHENEVER RESULTS WERE UNSATISFACTORY. IT IS CONCLUDED THAT THE INTEGRATION OF GEOLOGY, STATISTICS, AND PREDICTIVE MODELING OFFERS A SOLID FOUNDATION FOR MODERN GEOMETALLURGICAL PRACTICE.
Keywords
AED, Modelagem Geometalúrgica, Análise de Dados, Estatística.
EDA, Geometallurgical Modeling, Statistical Validation, Data Analytics
How to cite
Santos, Augusto Yuri Cordeiro; Batista, Anna Luiza Madureira; Costa, Matheus Gregor Dias Carvalho; Damasceno, Enzo Moura; Campos, Pedro Henrique Alves; Campos, Leonardo Júnior Fernandes; Casagrande, Pedro Benedito; Mazzinghy, Douglas Batista.
CIÊNCIA DE DADOS NA GEOMETALURGIA,
p. 552-562.
In: 24rd Mining Seminar,
São Paulo, Brasil,
2025.
ISSN: 2594-357X, DOI 10.5151/2594-357X-42524