Logo do repositório
  • Página Inicial(current)
  • Buscar
    Por Data de PublicaçãoPor AutorPor TítuloPor Assunto
  • Tutoriais
  • Documentos
  • Sobre o RI
  • Eventos
    Repositório Institucional da UFRN: 15 anos de conexão com o conhecimento
  • Padrão
  • Amarelo
  • Azul
  • Verde
  • English
  • Português do Brasil
Entrar

SIGAA

  1. Início
  2. Pesquisar por Autor

Navegando por Autor "Jacinto, Marcos Vinícius Gomes"

Filtrar resultados informando as primeiras letras
Agora exibindo 1 - 2 de 2
  • Resultados por página
  • Opções de Ordenação
  • Nenhuma Miniatura disponível
    TCC
    Contribuições ao estudo de corpos pegmatíticos na região de São Tomé, Rio Grande do Norte: Mapeamento Geológico, Geologia Estrutural e Geoquímica
    (Universidade Federal do Rio Grande do Norte, 2018-12-18) Jacinto, Marcos Vinícius Gomes; Jardim de Sá, Emanuel Ferraz; Alexandre Magno Rocha da Rocha; Rocha, Alexandre Magno Rocha da; Nascimento, Marcos Antonio Leite do
    O presente trabalho busca atualizar a cartografia de uma área localizada a oeste-sudoeste da cidade de São Tomé, Rio Grande do Norte, com ênfase nos corpos pegmatíticos no entorno de uma estrutura dômica alongada NNE, bem como procura descrever as características petrográficas, estruturais e litoquímicas desses corpos. O trabalho envolveu atividades de campo, levantamento bibliográfico e interpretação de imagens de sensores remotos para refinar a cartografia da área de estudo. Foi abordada a correlação das estruturas locais com as orientações e assinatura estrutural observadas nos pegmatitos, de forma a compreender o controle dessas no seu alojamento. Além disso, foram coletadas amostras de K-feldspatos para análise de elementos maiores, menores e traços por ICP-OES e ICP-MS, cujo resultado foi empregado em diagramas químicos de correlação entre elementos visando discutir, sob uma ótica exploratória, o potencial de mineralizações dessas rochas. Adicionalmente, foi discutido o potencial de mineralização de tântalo, na forma de tantalita, de um pegmatito denominado Caboclo, localizado no sul da estrutura dômica, utilizando análises químicas em micas. Os resultados obtidos incluem o reconhecimento de um granito pegmatítico no centro do domo, até então não cartografado em mapas prévios, e diversos corpos semelhantes nas proximidades. Os pegmatitos graníticos do tipo heterogêneo, identificados, mostram comumente uma zonação incipiente, com desenvolvimento principalmente da zona intermediária e de um núcleo de quartzo. A análise estrutural indica que a principal estrutura que controlou o alojamento desses corpos foi a superfície de foliação S3, formada em um regime transcorrente durante D3. Os diagramas de correlação entre a razão K/Rb versus Rb, Cs, Ga e Ba mostram que o conjunto de rochas pegmatíticas da área de estudo são tipicamente pouco fracionadas, o que pode sugerir um baixo potencial de mineralizações. A análise das micas do pegmatito Caboclo revelou teores de Ta satisfatórias, porém o Li encontra-se abaixo dos valores esperados para indicar uma boa probabilidade de ocorrências economicamente viáveis de tântalo em tantalita.
  • Nenhuma Miniatura disponível
    Dissertação
    Interpretação de zonas carstificadas usando redes neurais convolucionais e interpretabilidade através de Explainable AI
    (Universidade Federal do Rio Grande do Norte, 2022-01-26) Jacinto, Marcos Vinícius Gomes; Bezerra, Francisco Hilario Rego; http://lattes.cnpq.br/6050302316049061; http://lattes.cnpq.br/1486294340931268; Avansi, Michelle Chaves Kuroda; Nascimento, Aderson Farias do; http://lattes.cnpq.br/8600906973888297
    O radar de penetração no solo (GPR) é uma ferramenta geofísica que pode ser utilizada para auxiliar no mapeamento de zonas carstificadas em análogos para a caracterização e compreensão de reservatórios carbonáticos. Com o auxílio do GPR, é possível entender o comportamento dos processos de carstificação em carbonatos e, assim, expandir o conhecimento até o nível de reservatório, bem como realizar paralelos com análogos no présal brasleiro. Ademais, algoritmos de Machine Learning (ML) e Deep Learning (DL) vem permitindo a aplicação de técnicas de visão computacional para identificação de estruturas geológicas e fácies com base em dados geofísicos, tal qual o obtido através da ferramenta de GPR, mas principalmente com base em sísmica. Nesse contexto, e utilizando como dados oito seções de GPR, e cinco atributos gerados a partir das mesmas (energia, similaridade, fase instantânea, frequência instantânea, e a razão entre o traço de Hilbert e a similaridade), este estudo busca aplicar modelos de DL baseados em redes neurais convolucionais utilizando a arquitetura U-Net. Além disso, técnicas de Explainable Artificial Intelligence (XAI) usando valores de SHapley additive exPlanation (SHAP) são aplicadas para melhorar a interpretabilidade e explicabilidade dos modelos gerados. Essas técnicas foram empregadas com o objetivo de avaliar as regras encontradas pelos modelos, a qualidade da modelagem e a presença de vieses nos mesmos. Além disso, configurações distintas com relação aos valores de background de SHAP foram testadas e comparadas para avaliar como elas influenciam a explicabilidade do modelo. Como demonstrado nos resultados, a arquitetura da U-Net desenvolvido foi capaz de realizar segmentação de imagem através dos dados de GPR e, consequentemente, mapear e diferenciar zonas carstificadas de não carstificadas. Além disso, os valores de SHAP mostram que o atributo energia foi o que mais forneceu informações na modelagem e consequentemente proporcionou maior peso nas regras do modelo enquanto os demais dados apresentaram contribuições menos relevantes. Outrossim, o tipo de amostragem utilizado para definir os valores de referência para os valores SHAP resultou em diferentes interpretações das contribuições dos dados utilizados. Por fim, o presente trabalho gerou modelos capazes de auxiliar no mapeamento de zonas carstificadas apoiado ainda por uma técnica capaz de promover a compreensão de modelos complexos e permitir uma maior cooperação entre especialistas em geociências e os resultados gerados por meio de técnicas de ML e DL.
Repositório Institucional - UFRN Campus Universitário Lagoa NovaCEP 59078-970 Caixa postal 1524 Natal/RN - BrasilUniversidade Federal do Rio Grande do Norte© Copyright 2025. Todos os direitos reservados.
Contato+55 (84) 3342-2260 - R232Setor de Repositórios Digitaisrepositorio@bczm.ufrn.br
DSpaceIBICT
OasisBR
LAReferencia
Customizado pela CAT - BCZM