Exportar registro bibliográfico

Redes neurais artificiais para a estimativa da resistência e consistência de concretos (2018)

  • Authors:
  • USP affiliated authors: RESENDE, HELLEN DIAS - EP ; COIMBRA, LUCAS ARRUDA - EP ; PAULA, MURILO ROSA DE - EP
  • Unidades: EP; EP; EP
  • Sigla do Departamento: PCC
  • Subjects: CONCRETO; PROCESSAMENTO DE DADOS; REDES NEURAIS
  • Language: Português
  • Abstract: A indústria da construção civil tem se modernizado continuamente para atender suas demandas de forma mais rápida e eficiente. Sendo o concreto um dos produtos que mais movimenta esse mercado, tornam-se necessárias ferramentas ou modelos de análise que possam classificar esse material de maneira confiável e precisa, minimizando desperdícios e garantindo o nível de serviço exigido do produto. Os dois parâmetros alvo desse estudo são a resistência e a consistência, que são especificadas no momento da compra do concreto. O trabalho consiste no desenvolvimento de redes neurais artificiais que, a partir de dados de entrada, como a formulação, temperatura ambiente, dentre outros, estime os dois parâmetros citados. Primeiramente, foi feita uma revisão bibliográfica para aprofundar os conhecimentos teóricos do material, estudando desde a importância de se medir a resistência e consistência do concreto até a interferência de seus componentes nas suas características finais. Além desses conceitos, foi desenvolvido um estudo sobre redes neurais artificiais, processamento de dados e modelos matemáticos e estatísticos necessários para desenvolver essa ferramenta, tornando possíveis tais estimativas. Para o treinamento da rede, utilizou-se mais de 8 mil dados distintos de formulação, granulometria, temperatura de amostra, temperaturas ambientes, resistências, consistências, dentre outras informações sobre concretos utilizados na obra da usina hidrelétrica de Santo Antônio (Porto Velho - RO) em parceria com Furnas. Para o aprimoramento dos resultados, fez-se necessário, a partir destes dados fornecidos, o cálculo de parâmetros importantes para o cálculo da resistência e consistência do material, que são a sua porosidade, o MPT e o IPS. Com essas informações calculadas e as variáveis iniciais disponíveis como dadosde entrada, treinou-se a rede, buscando uma estimativa aproximada das resistências e consistências dos concretos, a fim de encontrar os melhores resultados. Algumas análises retornaram pouca ou nenhuma correlação, como a feita para se determinar a influência da temperatura da amostra na resistência do material, porém algumas apresentaram resultados significativos, como a correlação entre a consistência do concreto e o seu valor estimado, ao se considerar o MPT e a massa de água presente na amostra. As maiores correlações entre resultados estimados e esperados calculados através das redes neurais artificiais foram r2 de 80% para as resistências, e 93% para as consistências.
  • Imprenta:

  • Download do texto completo

    Tipo Nome Link
    Versão PublicadaHELLEN DIAS RESENDE 18.pd...Direct link
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      RESENDE, Hellen Dias; COIMBRA, Lucas Arruda; PAULA, Murilo Rosa de; PILEGGI, Rafael Giuliano; REBMANN, Markus Samuel. Redes neurais artificiais para a estimativa da resistência e consistência de concretos. [S.l: s.n.], 2018.
    • APA

      Resende, H. D., Coimbra, L. A., Paula, M. R. de, Pileggi, R. G., & Rebmann, M. S. (2018). Redes neurais artificiais para a estimativa da resistência e consistência de concretos. São Paulo: EPUSP.
    • NLM

      Resende HD, Coimbra LA, Paula MR de, Pileggi RG, Rebmann MS. Redes neurais artificiais para a estimativa da resistência e consistência de concretos. 2018 ;
    • Vancouver

      Resende HD, Coimbra LA, Paula MR de, Pileggi RG, Rebmann MS. Redes neurais artificiais para a estimativa da resistência e consistência de concretos. 2018 ;

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

    Digital Library of Academic Works of Universidade de São Paulo     2012 - 2020