Prédiction de la résistance mécanique des remblais miniers en pâte cimentés à l’aide des approches de l’Intelligence Artificielle (IA)

Le remblai en pâte cimenté (RPC) est le matériau le plus utilisé dans les mines souterraines pour combler les vides créés à
la suite de l’extraction du minerai grâce à ses performances mécaniques bien établies. Afin d’assurer une stabilité des terrains
lors de l’exploitation minière, il est nécessaire d’étudier les propriétés mécaniques de ce matériau de remblayage, plus
particulièrement sa résistance à la compression uniaxiale (UCS). Vu que les modèles empiriques classiques de prédiction de
l’UCS ne prennent pas toujours en considération les propriétés physico-chimiques et minéralogiques des ingrédients des RPC
(résidus, liants, eau), l’utilisation des nouvelles approches de l’intelligence artificielle (ex. Machine Learning – ML, Deep
Learning – DL) permettent de prédire l’UCS et d’optimiser les recettes de mélanges de RPC. Ce projet de recherche vise à
implanter des modèles en ML et en DL pour prédire l’UCS s RPC en s’appuyant sur des données réelles de mine partenaire,
Agnico Eagle.

Faculty Supervisor:

Tikou Belem

Student:

Partner:

Agnico Eagle Mines (AEM) Ltd

Discipline:

Engineering

Sector:

Mining; Artificial Intelligence; Environmental Science and Technology

University:

Université du Québec en Abitibi-Témiscamingue

Program: