Implementación del algoritmo K-Nearest Neighbors para la predicción de desprendimiento de taludes de mina a cielo abierto

Resumo

El propósito de este estudio fue analizar el uso del método K-Nearest Neighbors. para anticipar desprendimientos en taludes de minería superficial, mediante el uso de los parámetros de cada talud. El examen de los peligros de deslizamientos en pendientes en una mina a cielo abierto se puede describir como la evaluación del peligro de colapso de estas construcciones, siendo fundamental para asegurar la seguridad. Para lograr esto, es imperativo supervisar estas estructuras y evaluar todas las variables que podrían influir en su estabilidad. Se empleó un enfoque cuantitativo, realizando una evaluación del factor de seguridad estable (ST), medio estable (OF) e inestable (FSB), considerando la distancia de los K=11 vecinos más cercanos, las relaciones geomecánicas de los parámetros ayudo mucho en las predicciones de los taludes si tienen mayor estabilidad, con la implementación del algoritmo se obtuvieron resultados muy eficaces para la predicción de taludes, lo cual se muestran en una clasificación de precisión de 0.90, sensibilidad (recall) 0.90, F1-score 0.90 de estabilidad del talud (ST) y Accuracy (Exactitud): 83.33%. Finalmente, el método KNN es una alternativa confiable para evaluar las predicciones de condiciones estables de taludes en minería a cielo abierto, lo cual el valor k tiene una eficaz de predicción de 73.73%, ya que facilita la toma de decisiones técnicas y que contribuye en la reducción del riesgo de desprendimientos a partir de un análisis de las variables de talud.

Referencias

[1]          V. Hanna Castro, «Evaluación de tecnologías hiperespectrales en la caracterización mineral de yacimientos para aplicaciones geometalúrgicas: Caso aplicado a Mina Florida, Distrito Minero Alhué, Región Metropolitana, Chile», 2017.  https://repositorio.uchile.cl/handle/2250/149764

[2]          V. M. Cangussu, «Proposta de modelo de predição da condição de estabilidade de taludes de mina com uso do algoritmo K-Nearest Neighbors.», 2022. http://www.monografias.ufop.br/handle/35400000/4105

[3]          F. M. P. Reis, «Aplicação de técnicas de aprendizado de máquina para análise da condição de estabilidade de taludes de mina: redes neurais artificiais.», 2022.  http://www.monografias.ufop.br/handle/35400000/4525

[4]          P. P. Catari Colque et al., «Optimización del diseño de talud en minería superficial mediante el método de elementos finitos», Rev. Digit. Novasinergia, vol. 8, n.^o 1, pp. 33-51, jun. 2025, doi: 10.37135/ns.01.15.09.

[5]          G. B. Frainz, «Análise da estabilidade de talude ferroviário sob influência de cargas e vibrações utilizando modelos de aprendizado de máquina», ago. 2024.  https://hdl.handle.net/1843/78421

[6]          G. X. Mesquita, «Classificação geomecânica de taludes dos cânios do rio Poty segundo os sistemas RQD, Q, RMR e SMR», 2025. http://repositorio.ufc.br/handle/riufc/80103

[7]          D. B. Yánez Borja y L. Jordá Bordehore, «Aplicación de la metodología de análisis empírico Q Slope para evaluación de taludes en la provincia Bolívar, caso de estudio vía Guaranda - Echeandía», Thesis, ESPOL. FICT, 2021.  http://www.dspace.espol.edu.ec/handle/123456789/53899

[8]          «Modificación del Sistema GSI en función de la Escala de Análisis de Estabilidad de Taludes en Macizos Rocosos - ProQuest». https://www.proquest.com/openview/d9d74ee783443d85b05bc6228d82d58a/1?pq-origsite=gscholar&cbl=2026366&diss=y

[9]          S. Zhang, «Challenges in KNN Classification», IEEE Trans. Knowl. Data Eng., vol. 34, n.^o 10, pp. 4663-4675, oct. 2022, doi: 10.1109/TKDE.2021.3049250.

[10]       F. C. Canales Soto, «Aplicación y evaluación de modelos de machine learning y deep learning en la predicción de consumo energético en molienda SAG», 2024,  https://repositorio.uchile.cl/handle/2250/202615

[11]       J. A. Pinedo Ramirez y F. J. Grados Acosta, «Modelo predictivo de planificación operativa bajo el enfoque de machine learning para gestionar los tiempos de ciclo del volquete en una mina subterránea», Univ. Peru. Cienc. Apl. UPC, nov. 2023, https://repositorioacademico.upc.edu.pe/handle/10757/670723

[12]       N. Arcila Quintero, «Predicción de alertas de falla para planes de monitoreo geotécnico aplicando el método del inverso de la velocidad acoplado con algoritmos de aprendizaje supervisado», nov. 2022.  https://repositorio.unal.edu.co/handle/unal/82998

[13]       L. R. C. Silveira, M. S. Lana, y T. B. dos Santos, «Machine learning applied to the prediction of rockfall slope probability», Res. Soc. Dev., vol. 11, n.^o 10, pp. e89111032603-e89111032603, jul. 2022, doi: 10.33448/rsd-v11i10.32603