Utilização de técnicas de data mining para desenvolvimento de modelos de previsão da irregularidade em pavimentos rodoviários

Detalhes bibliográficos
Autor(a) principal: Ribeiro, Pedro Manuel Pastor Torcato
Data de Publicação: 2016
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/1822/49147
Resumo: Dissertação de mestrado integrado em Engenharia Civil
id RCAP_70328933ff5d462a631bf53d9009f9df
oai_identifier_str oai:repositorium.sdum.uminho.pt:1822/49147
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Utilização de técnicas de data mining para desenvolvimento de modelos de previsão da irregularidade em pavimentos rodoviáriosDevelopment of roughness prediction models in road pavements using data mining techniquesPavimentos rodoviários flexíveisLTPPModelos de previsãoIRIData miningRminerFlexible road pavementPrediction modelsREngenharia e Tecnologia::Outras Engenharias e TecnologiasDissertação de mestrado integrado em Engenharia CivilA presente dissertação estuda e analisa os processos relacionados com o desenvolvimento de modelos de previsão para o índice de irregularidade longitudinal (IRI). Para isso recorreu-se às técnicas de descoberta de conhecimento em bases de dados (KDD), tendo sido construída uma base de dados de raiz através da informação disponibilizada pelo programa LTPP da Federal Highway Administration, dos E.U.A. Os dados do LTPP foram analisados e compreendidos, de seguida foram preparados para serem inseridos num processo de modelação, conhecido como data mining (DM). A modelação foi feita em ambiente R, com o auxílio da biblioteca rminer, que facilita a utilização dos algoritmos de DM, como as redes neuronais (RNAs) e as máquinas de vetor de suporte (MVSs) para o desenvolvimento dos modelos de regressão. Os modelos desenvolvidos foram sujeitos a um processo de auto validação do tipo K-FOLD, e sujeitos a avaliações de desempenho através das métricas de erro: erro médio absoluto (MAE), raiz do erro médio quadrático (RMSE) e o coeficiente de determinação (R2). Além desta análise, a base de dados foi também utilizada para testar modelos analíticos já desenvolvidos e utilizados como modelos de previsão em diferentes países. Essa análise foi importante para classificar a base de dados e interpretar o comportamento desses modelos. Este trabalho permitiu verificar que é possível desenvolver modelos de previsão do IRI com um bom desempenho (R2=0,9), através das variáveis: número estrutural (SN), fendilhamento por fadiga (Ff), IRI inicial (IRI0) e o tempo (idade do pavimento). O IRI0 destaca-se como a variável mais importante na previsão dos modelos, a rondar os 50% em todos os modelos desenvolvidos, levando a concluir que os modelos de previsão existentes que não o consideram como variável de entrada não sendo fiáveis.The present dissertation studies and analyzes the processes related to the development of predictive models for the international roughness index (IRI). For this we used the knowledge discovery techniques in databases (KDD), and a root database was constructed through information provided by the LTPP program of the Federal Highway Administration, U.S.A. The LTPP data were analyzed and understood, then prepared to be inserted into a modeling process known as data mining (DM). The modeling was done in an R environment with the help of the rminer library, which facilitates the use of DM algorithms such as neuronal networks (RNAs) and support vector machines (MVSs) for the development of regression models. The models developed were subjected to a self-validation process of type K-FOLD, and subjected to performance evaluations using the error metrics: absolute mean error (MAE), root mean square error (RMSE) and determination coefficient R2). In addition to this analysis, the database was also used to test analytical models already developed and used as predictive models in different countries. This analysis was important to classify the database and interpret the behavior of these models. This work showed that it is possible to develop predictive models of IRI with good performance (R2 = 0.9), through the following variables: structural number (SN), fatigue crack (Ff), initial IRI (IRI0) and age. The IRI0 stands out as the most important input variable in the prediction of the models, around 50% in all models developed, leading to the conclusion that the existing forecast models that do not consider it as an input variable as not reliable.Oliveira, JoelMiranda, Tiago F. S.Universidade do MinhoRibeiro, Pedro Manuel Pastor Torcato20162016-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/1822/49147por201742268info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-07-21T12:34:23Zoai:repositorium.sdum.uminho.pt:1822/49147Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T19:30:03.889204Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Utilização de técnicas de data mining para desenvolvimento de modelos de previsão da irregularidade em pavimentos rodoviários
Development of roughness prediction models in road pavements using data mining techniques
title Utilização de técnicas de data mining para desenvolvimento de modelos de previsão da irregularidade em pavimentos rodoviários
spellingShingle Utilização de técnicas de data mining para desenvolvimento de modelos de previsão da irregularidade em pavimentos rodoviários
Ribeiro, Pedro Manuel Pastor Torcato
Pavimentos rodoviários flexíveis
LTPP
Modelos de previsão
IRI
Data mining
Rminer
Flexible road pavement
Prediction models
R
Engenharia e Tecnologia::Outras Engenharias e Tecnologias
title_short Utilização de técnicas de data mining para desenvolvimento de modelos de previsão da irregularidade em pavimentos rodoviários
title_full Utilização de técnicas de data mining para desenvolvimento de modelos de previsão da irregularidade em pavimentos rodoviários
title_fullStr Utilização de técnicas de data mining para desenvolvimento de modelos de previsão da irregularidade em pavimentos rodoviários
title_full_unstemmed Utilização de técnicas de data mining para desenvolvimento de modelos de previsão da irregularidade em pavimentos rodoviários
title_sort Utilização de técnicas de data mining para desenvolvimento de modelos de previsão da irregularidade em pavimentos rodoviários
author Ribeiro, Pedro Manuel Pastor Torcato
author_facet Ribeiro, Pedro Manuel Pastor Torcato
author_role author
dc.contributor.none.fl_str_mv Oliveira, Joel
Miranda, Tiago F. S.
Universidade do Minho
dc.contributor.author.fl_str_mv Ribeiro, Pedro Manuel Pastor Torcato
dc.subject.por.fl_str_mv Pavimentos rodoviários flexíveis
LTPP
Modelos de previsão
IRI
Data mining
Rminer
Flexible road pavement
Prediction models
R
Engenharia e Tecnologia::Outras Engenharias e Tecnologias
topic Pavimentos rodoviários flexíveis
LTPP
Modelos de previsão
IRI
Data mining
Rminer
Flexible road pavement
Prediction models
R
Engenharia e Tecnologia::Outras Engenharias e Tecnologias
description Dissertação de mestrado integrado em Engenharia Civil
publishDate 2016
dc.date.none.fl_str_mv 2016
2016-01-01T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/1822/49147
url http://hdl.handle.net/1822/49147
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv 201742268
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799132802580480000

Registros relacionados