Please use this identifier to cite or link to this item: http://hdl.handle.net/1822/60008

TitleAbordagem data mining para a previsão da sesistência à compressão uniaxial de misturas laboratoriais de solo-cimento
Other titlesData mining approach for unconfined compression strength prediction of laboratory soil cement mixtures
Author(s)Tinoco, Joaquim Agostinho Barbosa
Correia, António Alberto S.
Venda, Paulo J.
Correia, A. Gomes
Lemos, Luís J. L.
KeywordsMisturas solo-cimento
Resistência à compressão uniaxial
Data mining
Análise de sensibilidade
Issue date2019
PublisherSociedade Portuguesa de Geotecnia
JournalGeotecnia
CitationJ. Tinoco, A. Correia, P. Venda Oliveira, A. Gomes Correia, and L. Lemos. Abordagem data mining para a previsão da resistência a compressão uniaxial de misturas laboratoriais de solo-cimento. Revista Geotecnia, (145):3{16, Março 2019. ISSN 0379-9522. DOI: http://doi.org/10.24849/j.geot.2019.145.01.
Abstract(s)A previsão da resistência à compressão uniaxial (qu) de misturas solo-cimento é de elevada importância durante a fase de projeto. Para a sua quantificação são realizados ensaios laboratoriais, os quais consomem muito tempo e recursos. Neste artigo é apresentada uma nova abordagem para avaliação da qu ao longo do tempo tirando proveito das elevadas capacidades de aprendizagem das técnicas de Inteligência Artificial (IA). Três algoritmos de IA, nomeadamente as Redes Neuronais Artificiais (RNAs), as Máquinas de Vetores de Suporte (MVSs) e Regressões Múltiplas (RMs), foram treinados utilizando uma base de dados composta por 444 registos contemplando solos não coesivos, coesivos e orgânicos, assim como diferentes ligantes, condições de mistura e tempos de cura. Os resultados obtidos evidenciam um desempenho promissor na previsão da qu de misturas laboratoriais de solo-cimento, sendo o melhor desempenho conseguido através da média das previsões obtidas pelas MVSs e RNAs (R2=0.95). Estes modelos reproduzem eficazmente os principais efeitos das variáveis de entrada, nomeadamente da razão água/cimento, teor em cimento, teor em matéria orgânica e tempo de cura, as quais são conhecidas como preponderantes no comportamento de misturas solo-cimento.
TypeArticle
URIhttp://hdl.handle.net/1822/60008
DOI10.24849/j.geot.2019.145.01
ISSN0379-9522
Peer-Reviewedyes
AccessOpen access
Appears in Collections:ISISE - Artigos em Revistas Nacionais

Files in This Item:
File Description SizeFormat 
Abordagem data mining para a previsao da resistencia a compressao ... [Tinoco et al. 2019].pdf897,19 kBAdobe PDFView/Open

This item is licensed under a Creative Commons License Creative Commons

Partilhe no FacebookPartilhe no TwitterPartilhe no DeliciousPartilhe no LinkedInPartilhe no DiggAdicionar ao Google BookmarksPartilhe no MySpacePartilhe no Orkut
Exporte no formato BibTex mendeley Exporte no formato Endnote Adicione ao seu ORCID