Naim Khalil Ayache

Naim Khalil Ayache

Auto-generated profile, based on publicly available information

Naim Khalil Ayache

Centro Federal de Educação Tecnológica de Minas Gerais

Research Focus & Metrics

Academic Career Length

5Years (2022-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
1 March 2023 in REM - International Engineering Journal
Verified
Journal Article
Open access
NANaim Khalil Ayache
Naim Khalil Ayache
ASAllan Erlikhman Medeiros Santos
Allan Erlikhman Medeiros Santos
DSDenise de Fátima Santos da Silva
Denise de Fátima Santos da Silva

27 December 2023 in HOLOS
Verified
Journal Article
Open access
PDF file
NANaim Khalil Ayache
Naim Khalil Ayache
ASAllan Erlikhman Medeiros Santos
Allan Erlikhman Medeiros Santos
ANArthur Emílio Alves Nascimento
Arthur Emílio Alves Nascimento
SCSilvania Alves Braga de Castro
Silvania Alves Braga de Castro
DSDenise De Fátima Santos da Silva
Denise De Fátima Santos da Silva
Os processos de amostragem na exploração mineral muitas vezes resultam em áreas preferencialmente amostradas, com a formação de agrupamentos, que podem surgir devido a alguns fatores, tais como condições de acessibilidade, valores de atributos e a estratégia de amostragem. Os agrupamentos afetam a inferência estatística da área. O objetivo deste artigo é propor uma nova abordagem para métodos de desagrupamento usando as redes de Kohonen, Self-Organizing Maps (SOM). As SOMs é um tipo de rede neural artificial usada para classificação não supervisionada. A metodologia atribui a cada amostra um peso para calcular a média desagrupada. A atribuição de peso para cada amostra em uma área é inversamente proporcional à área densamente amostrada. A média desagrupada é dada pela soma da multiplicação do peso com o valor do atributo de cada amostra. Portanto, a lógica de atribuição de pesos é semelhante ao método Cell Declustering, porém as SOMs identificam as áreas com margens não lineares, ao contrário do método Cell Declustering. Um estudo de caso é apresentado, usando o conjunto de dados de Walker Lake. A presente pesquisa não pretende substituir os métodos clássicos de desagrupamento, mas sim apresentar uma nova abordagem para um problema rotineiro na avaliação de reservas. Embora a matemática da técnica aplicada seja de fato complexa, os resultados podem ser promissores.

17 October 2022 in Research, Society and Development
Verified
Journal Article
Open access
PDF file
NANaim Khalil Ayachea
Naim Khalil Ayachea
ASAllan Erlikhman Medeiros Santos
Allan Erlikhman Medeiros Santos
FNFrancisco de Castro Valente Neto
Francisco de Castro Valente Neto
DSDenise de Fátima Santos da Silva
Denise de Fátima Santos da Silva
Dentre as etapas de um projeto de mineração destaca-se a pesquisa mineral, com objetivos de identificar, estudar e avaliar os depósitos minerais. Nesta etapa específica ocorre a transformação dos recursos minerais inferidos, em indicados e por fim medidos, e caso seja viável sua explotação, em reservas minerais prováveis e/ou provadas. A descoberta destas reservas é marco impactante para o desenvolvimento industrial, tecnológico e econômico de uma sociedade. Este artigo tem como objetivo principal apresentar a utilização de uma técnica de machine learning para identificação de estruturas de particular interesse geológico, a partir de imagens de satélite. A técnica aplicada foi o Clustering Large Applications (CLARA) que é um algoritmo não-supervisionado para agrupamento de dados, com alta performance em banco de dados massivos. A área utilizada como estudo de caso foi o Quadrilátero Ferrífero, uma das maiores províncias minerais do planeta, localizada no estado de Minas Gerais, Brasil. Os resultados do modelo CLARA permitiram delinear todas as feições que formam o Quadrilátero Ferrífero. Neste contexto acredita-se que esta possa ser uma boa ferramenta para seleção de alvos exploratórios reduzindo incerteza e risco aos investidores. O que propicia não somente a atração de novas empresas para pesquisa mineral, além da ampliação das reservas dos recursos minerais brasileiros.