Utilize este identificador para referenciar este registo:
https://hdl.handle.net/1822/60008
Registo completo
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.author | Tinoco, Joaquim Agostinho Barbosa | por |
dc.contributor.author | Correia, António Alberto S. | por |
dc.contributor.author | Venda, Paulo J. | por |
dc.contributor.author | Correia, A. Gomes | por |
dc.contributor.author | Lemos, Luís J. L. | por |
dc.date.accessioned | 2019-04-12T07:25:57Z | - |
dc.date.available | 2019-04-12T07:25:57Z | - |
dc.date.issued | 2019 | - |
dc.identifier.citation | J. 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. | por |
dc.identifier.issn | 0379-9522 | por |
dc.identifier.uri | https://hdl.handle.net/1822/60008 | - |
dc.description.abstract | 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. | por |
dc.description.sponsorship | NRF -National Research Foundation of Korea(2020R1A2C4002594) | por |
dc.language.iso | por | por |
dc.publisher | Sociedade Portuguesa de Geotecnia | por |
dc.relation | info:eu-repo/grantAgreement/FCT/5876/147221/PT | por |
dc.relation | info:eu-repo/grantAgreement/FCT/3599-PPCDT/137341/PT | por |
dc.relation | info:eu-repo/grantAgreement/FCT/5876/147280/PT | por |
dc.relation | info:eu-repo/grantAgreement/FCT/SFRH/SFRH%2FBPD%2F94792%2F2013/PT | por |
dc.rights | openAccess | por |
dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | por |
dc.subject | Misturas solo-cimento | por |
dc.subject | Resistência à compressão uniaxial | por |
dc.subject | Data mining | por |
dc.subject | Análise de sensibilidade | por |
dc.subject | data minig approach | por |
dc.subject | sensitivity analysis | por |
dc.subject | Soil-cement mixtures | por |
dc.subject | unconfined compression strength | por |
dc.title | Abordagem data mining para a previsão da sesistência à compressão uniaxial de misturas laboratoriais de solo-cimento | por |
dc.title.alternative | Data mining approach for unconfined compression strength prediction of laboratory soil cement mixtures | por |
dc.type | article | - |
dc.peerreviewed | yes | por |
oaire.citationStartPage | 3 | por |
oaire.citationEndPage | 16 | por |
oaire.citationIssue | 145 | por |
oaire.citationVolume | 2019 | por |
dc.identifier.doi | 10.24849/j.geot.2019.145.01 | por |
dc.subject.fos | Engenharia e Tecnologia::Engenharia Civil | por |
dc.description.publicationversion | info:eu-repo/semantics/publishedVersion | por |
sdum.journal | Geotecnia | por |
Aparece nas coleções: | ISISE - Artigos em Revistas Nacionais |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Abordagem data mining para a previsao da resistencia a compressao ... [Tinoco et al. 2019].pdf | 897,19 kB | Adobe PDF | Ver/Abrir |
Este trabalho está licenciado sob uma Licença Creative Commons