Geoprocessamento e machine learning aplicados à elaboração de mapa de favorabilidade para ocorrência de mineralizações Au-Pd-Pt na região de Serra Pelada, Província Carajás

Kortchmar, Marina Mello

Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/15176

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Seoane, José Carlos Sícoli	-
dc.contributor.author	Kortchmar, Marina Mello	-
dc.date.accessioned	2021-09-15T17:12:30Z	-
dc.date.available	2023-12-21T03:08:21Z	-
dc.date.issued	2021-06	-
dc.identifier.uri	http://hdl.handle.net/11422/15176	-
dc.language	por	pt_BR
dc.publisher	Universidade Federal do Rio de Janeiro	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Mapa de favorabilidade	pt_BR
dc.subject	Machine learning	pt_BR
dc.subject	Random Forest	pt_BR
dc.subject	Serra Pelada, PA	pt_BR
dc.title	Geoprocessamento e machine learning aplicados à elaboração de mapa de favorabilidade para ocorrência de mineralizações Au-Pd-Pt na região de Serra Pelada, Província Carajás	pt_BR
dc.type	Trabalho de conclusão de graduação	pt_BR
dc.contributor.advisorLattes	http://lattes.cnpq.br/5256359048551589	pt_BR
dc.contributor.advisorCo1	Tavares, Felipe Mattos	-
dc.contributor.advisorCo1Lattes	http://lattes.cnpq.br/7069253568713697	pt_BR
dc.contributor.referee1	Côrrea Neto, Atlas Vasconcelos	-
dc.contributor.referee1Lattes	http://lattes.cnpq.br/9514776985789216	pt_BR
dc.contributor.referee2	Araujo, Jhone Caetano de	-
dc.description.resumo	A região de Serra Pelada, Província Carajás, localizada na região Norte do Brasil, ficou conhecida nos anos de 1980 por ter sido palco de uma das maiores “corridas do ouro” já vistas. Embora não tenha apresentado uma produção significativa do metal na década seguinte, acredita-se que a área apresenta potencial para continuidade da exploração mineral. A crescente utilização de geotecnologias e machine learning em modelos preditivos de prospectividade mineral tonaram possível a aquisição, processamento e integração de grandes quantidades de dados, de forma remota. Nesta pesquisa, foram empregadas ferramentas de machine learning, através da aplicação do algoritmo Random Forest (RF), a fim de elaborar um mapa de favorabilidade para Au-Pd-Pt na região do entorno de Serra Pelada, PA. O conceito de sistemas minerais foi adotado para a construção do mapa final. Foram definidos dez critérios teóricos essenciais ao modelo genético estudado, que foram traduzidos em dez critérios mapeáveis, gerando dez mapas de evidência. Quinze pontos de depósitos minerais conhecidos e igual número de pontos de não-depósito escolhidos aleatoriamente foram usados como treinamento para a implementação do modelo RF. Os mapas de evidência e os dados de treinamento foram utilizados para gerar o modelo preditivo apontando locais de maior probabilidade de mineralização de Au-Pd-Pt na área estudada.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	Instituto de Geociências	pt_BR
dc.publisher.initials	UFRJ	pt_BR
dc.subject.cnpq	CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOLOGIA	pt_BR
dc.embargo.terms	aberto	pt_BR
Appears in Collections:	Geologia

Files in This Item:

File	Description	Size	Format
KORTCHMAR, M.M.pdf		2.9 MB	Adobe PDF	View/Open

Show simple item record Recommend this item View Statistics

Pantheon Institutional repository