Análise de dados de instrumentação de túneis do metrô de São Paulo: uma abordagem por redes neurais

Detalhes bibliográficos
Autor(a) principal: Santos Júnior, Ovídio Joaquim dos
Data de Publicação: 2006
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: http://www.teses.usp.br/teses/disponiveis/18/18132/tde-27112006-164931/
Resumo: Atualmente, a escavação de túneis rasos em regiões densamente ocupadas requer medidas severas para reduzir riscos e possíveis influências em estruturas próximas. Um importante passo é a previsão dos efeitos da escavação, principalmente no que concerne à geração de recalques. As redes neurais artificiais (RNAs) aparecem como uma nova ferramenta para auxiliar o entendimento desses fenômenos. Isso porque a rede neural possui a capacidade de realizar generalizações, isto é, após a rede aprender características de uma categoria geral de dados baseada em uma série de exemplos daquela categoria, a rede pode apresentar respostas idênticas ou similares às respostas treinadas para entradas não treinadas. Nesse trabalho, realiza-se a aplicação de redes neurais artificiais para os dados das linhas 1 e 2 do metrô de São Paulo, onde se observa a influência de alguns parâmetros e a melhoria significativa de previsão da rede neural devido à utilização de algumas técnicas no tratamento e manuseio dos dados. Dentre as técnicas de tratamento de dados utilizadas destaca-se a adimensionalização dos dados por parâmetros da própria obra garantindo melhor estabilidade à rede e melhor capacidade de previsão. Análises de sensibilidade também são realizadas para contemplar o tipo de influência que cada parâmetro exerceu nos recalques obtidos.
id USP_b680f964aa9d98ac4555c3ee106bf53d
oai_identifier_str oai:teses.usp.br:tde-27112006-164931
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Análise de dados de instrumentação de túneis do metrô de São Paulo: uma abordagem por redes neuraisAnalysis of instrumentation data of São Paulo subway tunnels: a neural network approachescavações subterrâneasinstrumentaçãoinstrumentationmetrôneural networkrecalquesredes neuraissettlementssubwaytúneistunnelsunderground excavationAtualmente, a escavação de túneis rasos em regiões densamente ocupadas requer medidas severas para reduzir riscos e possíveis influências em estruturas próximas. Um importante passo é a previsão dos efeitos da escavação, principalmente no que concerne à geração de recalques. As redes neurais artificiais (RNAs) aparecem como uma nova ferramenta para auxiliar o entendimento desses fenômenos. Isso porque a rede neural possui a capacidade de realizar generalizações, isto é, após a rede aprender características de uma categoria geral de dados baseada em uma série de exemplos daquela categoria, a rede pode apresentar respostas idênticas ou similares às respostas treinadas para entradas não treinadas. Nesse trabalho, realiza-se a aplicação de redes neurais artificiais para os dados das linhas 1 e 2 do metrô de São Paulo, onde se observa a influência de alguns parâmetros e a melhoria significativa de previsão da rede neural devido à utilização de algumas técnicas no tratamento e manuseio dos dados. Dentre as técnicas de tratamento de dados utilizadas destaca-se a adimensionalização dos dados por parâmetros da própria obra garantindo melhor estabilidade à rede e melhor capacidade de previsão. Análises de sensibilidade também são realizadas para contemplar o tipo de influência que cada parâmetro exerceu nos recalques obtidos.Excavating shallow tunnels in densely occupied areas currently requires strict precautions to reduce risks and possible effects on nearby structures. Being able to predict excavation effects and particularly settlement - related effects is an important step forward in this respect. Artificial neural networks (ANNs) have emerged as a new tool for analyzing geotechnical problem. Longstanding problems have been solved and conventional solutions enhanced as the ability to generate more information grows and the understanding of obscure points is deepened. Neural networks have the ability to make generalizations: once a network has learned the characteristics of a general category of objects based on a series of examples from this category, it can provide identical or similar responses to trained responses for non-trained inputs. This study uses artificial neural networks to analyze data from São Paulo subway line 1 and 2 to observe the effects of certain parameters and notes significantly enhanced neural network predictive ability due to the use of certain data processing techniques. The study also sets out to show that the use of dimensionless data in training may upgrade the predictive ability of the model. Knowledge acquired was applied to further develop use of this technique for tunnel instrumentation.Biblioteca Digitais de Teses e Dissertações da USPCelestino, Tarcisio BarretoSantos Júnior, Ovídio Joaquim dos2006-09-29info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/18/18132/tde-27112006-164931/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2016-07-28T16:09:50Zoai:teses.usp.br:tde-27112006-164931Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212016-07-28T16:09:50Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Análise de dados de instrumentação de túneis do metrô de São Paulo: uma abordagem por redes neurais
Analysis of instrumentation data of São Paulo subway tunnels: a neural network approach
title Análise de dados de instrumentação de túneis do metrô de São Paulo: uma abordagem por redes neurais
spellingShingle Análise de dados de instrumentação de túneis do metrô de São Paulo: uma abordagem por redes neurais
Santos Júnior, Ovídio Joaquim dos
escavações subterrâneas
instrumentação
instrumentation
metrô
neural network
recalques
redes neurais
settlements
subway
túneis
tunnels
underground excavation
title_short Análise de dados de instrumentação de túneis do metrô de São Paulo: uma abordagem por redes neurais
title_full Análise de dados de instrumentação de túneis do metrô de São Paulo: uma abordagem por redes neurais
title_fullStr Análise de dados de instrumentação de túneis do metrô de São Paulo: uma abordagem por redes neurais
title_full_unstemmed Análise de dados de instrumentação de túneis do metrô de São Paulo: uma abordagem por redes neurais
title_sort Análise de dados de instrumentação de túneis do metrô de São Paulo: uma abordagem por redes neurais
author Santos Júnior, Ovídio Joaquim dos
author_facet Santos Júnior, Ovídio Joaquim dos
author_role author
dc.contributor.none.fl_str_mv Celestino, Tarcisio Barreto
dc.contributor.author.fl_str_mv Santos Júnior, Ovídio Joaquim dos
dc.subject.por.fl_str_mv escavações subterrâneas
instrumentação
instrumentation
metrô
neural network
recalques
redes neurais
settlements
subway
túneis
tunnels
underground excavation
topic escavações subterrâneas
instrumentação
instrumentation
metrô
neural network
recalques
redes neurais
settlements
subway
túneis
tunnels
underground excavation
description Atualmente, a escavação de túneis rasos em regiões densamente ocupadas requer medidas severas para reduzir riscos e possíveis influências em estruturas próximas. Um importante passo é a previsão dos efeitos da escavação, principalmente no que concerne à geração de recalques. As redes neurais artificiais (RNAs) aparecem como uma nova ferramenta para auxiliar o entendimento desses fenômenos. Isso porque a rede neural possui a capacidade de realizar generalizações, isto é, após a rede aprender características de uma categoria geral de dados baseada em uma série de exemplos daquela categoria, a rede pode apresentar respostas idênticas ou similares às respostas treinadas para entradas não treinadas. Nesse trabalho, realiza-se a aplicação de redes neurais artificiais para os dados das linhas 1 e 2 do metrô de São Paulo, onde se observa a influência de alguns parâmetros e a melhoria significativa de previsão da rede neural devido à utilização de algumas técnicas no tratamento e manuseio dos dados. Dentre as técnicas de tratamento de dados utilizadas destaca-se a adimensionalização dos dados por parâmetros da própria obra garantindo melhor estabilidade à rede e melhor capacidade de previsão. Análises de sensibilidade também são realizadas para contemplar o tipo de influência que cada parâmetro exerceu nos recalques obtidos.
publishDate 2006
dc.date.none.fl_str_mv 2006-09-29
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://www.teses.usp.br/teses/disponiveis/18/18132/tde-27112006-164931/
url http://www.teses.usp.br/teses/disponiveis/18/18132/tde-27112006-164931/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1809091136096043008

Registros relacionados