Predição de resistência de concreto de alto desempenho através de redes neurais artificiais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPB |
Texto Completo: | https://repositorio.ufpb.br/jspui/handle/123456789/25453 |
Resumo: | Embora seja talvez o insumo mais popular da construção civil, o concreto requer bastante atenção em sua dosagem (principalmente o concreto de alto desempenho), e muitas vezes necessita de inúmeros ajustes empíricos para se garantir uma resistência à compressão compatível com a de projeto. Considerando ainda que os métodos mais consolidados para dosagem do traço de concreto fazem uso de ábacos e tabelas empíricas, faz-se notar, nessa ausência de método matemático direto, uma promissora possibilidade de aplicação de Redes Neurais Artificiais para se ter um método mais simples e confiável para dosagem do traço e determinação da resistência à compressão do concreto de alto desempenho a partir da proporção dos materiais que o compõem, visto que elas são modelos computacionais bastante eficazes na resolução de problemas complexos. Este trabalho tem como objetivo desenvolver um modelo de predição da resistência à compressão de concretos de alto desempenho através da utilização de Redes Neurais Artificiais com base nas proporções dos materiais que constituem o concreto, tendo obtido resultados consideravelmente satisfatórios. |
id |
UFPB-2_8e0a376f9009285c7e65b0e3315beb6a |
---|---|
oai_identifier_str |
oai:repositorio.ufpb.br:123456789/25453 |
network_acronym_str |
UFPB-2 |
network_name_str |
Repositório Institucional da UFPB |
repository_id_str |
|
spelling |
2022-11-18T15:26:30Z2022-11-182022-11-18T15:26:30Z2021-12-06https://repositorio.ufpb.br/jspui/handle/123456789/25453Embora seja talvez o insumo mais popular da construção civil, o concreto requer bastante atenção em sua dosagem (principalmente o concreto de alto desempenho), e muitas vezes necessita de inúmeros ajustes empíricos para se garantir uma resistência à compressão compatível com a de projeto. Considerando ainda que os métodos mais consolidados para dosagem do traço de concreto fazem uso de ábacos e tabelas empíricas, faz-se notar, nessa ausência de método matemático direto, uma promissora possibilidade de aplicação de Redes Neurais Artificiais para se ter um método mais simples e confiável para dosagem do traço e determinação da resistência à compressão do concreto de alto desempenho a partir da proporção dos materiais que o compõem, visto que elas são modelos computacionais bastante eficazes na resolução de problemas complexos. Este trabalho tem como objetivo desenvolver um modelo de predição da resistência à compressão de concretos de alto desempenho através da utilização de Redes Neurais Artificiais com base nas proporções dos materiais que constituem o concreto, tendo obtido resultados consideravelmente satisfatórios.Although it is perhaps the most popular material in civil construction, concrete requires a lot of attention in its dosage (especially high-performance concrete), and often requires numerous empirical adjustments to ensure compressive strength compatible with the designed. Considering that most of the consolidated methods for concrete dosage uses abacuses and empirical tables, it is noted, in this absence of a direct mathematical method, a promising possibility of applying Artificial Neural Networks to have a simpler and reliable method for concrete dosage and determination of high-performance concrete compressive strength based on the proportion of the materials that compose it, since they are computational models very effective in solving complex problems. This work aims to develop a model to predict the compressive strength of high-performance concretes through the use of Artificial Neural Networks based on the proportions of the materials that constitute the concrete, obtaining remarkably satisfactory results.Submitted by Rosangela Palmeira (rosangelapalmeira@yahoo.com.br) on 2022-11-18T15:26:30Z No. of bitstreams: 1 Trabalho-de-Conclusao-de-Curso-Bergson-Goncalves-Lopes-Vasconcelos.pdf: 908649 bytes, checksum: 51fbfc9bc90da41ec65042a1b9b83ccf (MD5)Made available in DSpace on 2022-11-18T15:26:30Z (GMT). No. of bitstreams: 1 Trabalho-de-Conclusao-de-Curso-Bergson-Goncalves-Lopes-Vasconcelos.pdf: 908649 bytes, checksum: 51fbfc9bc90da41ec65042a1b9b83ccf (MD5) Previous issue date: 2021-12-06porUniversidade Federal da ParaíbaUFPBBrasilEngenharia Civil e AmbientalCNPQ::ENGENHARIAS::ENGENHARIA CIVILConcreto de Alto DesempenhoDosagem de ConcretoResistência à CompressãoRedes Neurais ArtificiaisPredição de resistência de concreto de alto desempenho através de redes neurais artificiaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisSarmento, Francisco JácomeVasconcelos, Bergson Gonçalves Lopesinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFPBinstname:Universidade Federal da Paraíba (UFPB)instacron:UFPBTEXTTrabalho-de-Conclusao-de-Curso-Bergson-Goncalves-Lopes-Vasconcelos.pdf.txtTrabalho-de-Conclusao-de-Curso-Bergson-Goncalves-Lopes-Vasconcelos.pdf.txtExtracted texttext/plain51498https://repositorio.ufpb.br/jspui/bitstream/123456789/25453/3/Trabalho-de-Conclusao-de-Curso-Bergson-Goncalves-Lopes-Vasconcelos.pdf.txt01827514e9270eedc85b17ad63d8e28bMD53LICENSElicense.txtlicense.txttext/plain; charset=utf-82390https://repositorio.ufpb.br/jspui/bitstream/123456789/25453/2/license.txte20ac18e101915e6935b82a641b985c0MD52ORIGINALTrabalho-de-Conclusao-de-Curso-Bergson-Goncalves-Lopes-Vasconcelos.pdfTrabalho-de-Conclusao-de-Curso-Bergson-Goncalves-Lopes-Vasconcelos.pdfapplication/pdf908649https://repositorio.ufpb.br/jspui/bitstream/123456789/25453/1/Trabalho-de-Conclusao-de-Curso-Bergson-Goncalves-Lopes-Vasconcelos.pdf51fbfc9bc90da41ec65042a1b9b83ccfMD51123456789/254532022-11-19 03:06:50.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Repositório InstitucionalPUB |
dc.title.pt_BR.fl_str_mv |
Predição de resistência de concreto de alto desempenho através de redes neurais artificiais |
title |
Predição de resistência de concreto de alto desempenho através de redes neurais artificiais |
spellingShingle |
Predição de resistência de concreto de alto desempenho através de redes neurais artificiais Vasconcelos, Bergson Gonçalves Lopes CNPQ::ENGENHARIAS::ENGENHARIA CIVIL Concreto de Alto Desempenho Dosagem de Concreto Resistência à Compressão Redes Neurais Artificiais |
title_short |
Predição de resistência de concreto de alto desempenho através de redes neurais artificiais |
title_full |
Predição de resistência de concreto de alto desempenho através de redes neurais artificiais |
title_fullStr |
Predição de resistência de concreto de alto desempenho através de redes neurais artificiais |
title_full_unstemmed |
Predição de resistência de concreto de alto desempenho através de redes neurais artificiais |
title_sort |
Predição de resistência de concreto de alto desempenho através de redes neurais artificiais |
author |
Vasconcelos, Bergson Gonçalves Lopes |
author_facet |
Vasconcelos, Bergson Gonçalves Lopes |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Sarmento, Francisco Jácome |
dc.contributor.author.fl_str_mv |
Vasconcelos, Bergson Gonçalves Lopes |
contributor_str_mv |
Sarmento, Francisco Jácome |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA CIVIL |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA CIVIL Concreto de Alto Desempenho Dosagem de Concreto Resistência à Compressão Redes Neurais Artificiais |
dc.subject.por.fl_str_mv |
Concreto de Alto Desempenho Dosagem de Concreto Resistência à Compressão Redes Neurais Artificiais |
description |
Embora seja talvez o insumo mais popular da construção civil, o concreto requer bastante atenção em sua dosagem (principalmente o concreto de alto desempenho), e muitas vezes necessita de inúmeros ajustes empíricos para se garantir uma resistência à compressão compatível com a de projeto. Considerando ainda que os métodos mais consolidados para dosagem do traço de concreto fazem uso de ábacos e tabelas empíricas, faz-se notar, nessa ausência de método matemático direto, uma promissora possibilidade de aplicação de Redes Neurais Artificiais para se ter um método mais simples e confiável para dosagem do traço e determinação da resistência à compressão do concreto de alto desempenho a partir da proporção dos materiais que o compõem, visto que elas são modelos computacionais bastante eficazes na resolução de problemas complexos. Este trabalho tem como objetivo desenvolver um modelo de predição da resistência à compressão de concretos de alto desempenho através da utilização de Redes Neurais Artificiais com base nas proporções dos materiais que constituem o concreto, tendo obtido resultados consideravelmente satisfatórios. |
publishDate |
2021 |
dc.date.issued.fl_str_mv |
2021-12-06 |
dc.date.accessioned.fl_str_mv |
2022-11-18T15:26:30Z |
dc.date.available.fl_str_mv |
2022-11-18 2022-11-18T15:26:30Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufpb.br/jspui/handle/123456789/25453 |
url |
https://repositorio.ufpb.br/jspui/handle/123456789/25453 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal da Paraíba |
dc.publisher.initials.fl_str_mv |
UFPB |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Engenharia Civil e Ambiental |
publisher.none.fl_str_mv |
Universidade Federal da Paraíba |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPB instname:Universidade Federal da Paraíba (UFPB) instacron:UFPB |
instname_str |
Universidade Federal da Paraíba (UFPB) |
instacron_str |
UFPB |
institution |
UFPB |
reponame_str |
Repositório Institucional da UFPB |
collection |
Repositório Institucional da UFPB |
bitstream.url.fl_str_mv |
https://repositorio.ufpb.br/jspui/bitstream/123456789/25453/3/Trabalho-de-Conclusao-de-Curso-Bergson-Goncalves-Lopes-Vasconcelos.pdf.txt https://repositorio.ufpb.br/jspui/bitstream/123456789/25453/2/license.txt https://repositorio.ufpb.br/jspui/bitstream/123456789/25453/1/Trabalho-de-Conclusao-de-Curso-Bergson-Goncalves-Lopes-Vasconcelos.pdf |
bitstream.checksum.fl_str_mv |
01827514e9270eedc85b17ad63d8e28b e20ac18e101915e6935b82a641b985c0 51fbfc9bc90da41ec65042a1b9b83ccf |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
|
repository.mail.fl_str_mv |
|
_version_ |
1777562273591590912 |