Use este identificador para citar ou linkar para este item:
http://www.repositorio.ufop.br/jspui/handle/123456789/14895
Título: | Aprendizado de máquina aplicado à construção civil : estimativa da resistência à compressão de concretos de escória de aciaria. |
Autor(es): | Penido, Rúben El-Katib |
Orientador(es): | Mendes, Júlia Castro Cury, Alexandre Abrahão |
Palavras-chave: | Escória - metalurgia Escória de aciaria Concreto - resistência à compressão Aprendizado do computador |
Data do documento: | 2022 |
Membros da banca: | Mendes, Júlia Castro Cury, Alexandre Abrahão Carvalho, José Maria Franco de Santos, Tatiana Barreto dos |
Referência: | PENIDO, Rúben El-Katib. Aprendizado de máquina aplicado à construção civil: estimativa da resistência à compressão de concretos de escória de aciaria. 2022. 120 f. Dissertação (Mestrado em Engenharia Civil) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2022. |
Resumo: | Nos últimos anos, estudos vêm sendo conduzidos visando disseminar a reutilização de escória de aciaria como agregado para concretos. Entretanto, a ausência de metodologias para obtenção de traços de concretos de escória de aciaria tem dificultado as pesquisas e comprometido o seu uso em larga escala. Além disso, as metodologias convencionalmente adotadas para a definição de traços de concreto envolvem tabelas empíricas e a necessidade de se moldar e romper corpos de prova, demandando tempo e recursos. Neste contexto, o presente trabalho teve como objetivo desenvolver modelos baseados em aprendizado de máquinas para a previsão da resistência à compressão de concretos de escória de aciaria a partir de seus traços. Para este fim, foi realizado um levantamento de dados de concretos de escória de aciaria na literatura e aplicadas quatro técnicas de aprendizagem de máquina: regressão por vetores suporte (SVR), redes neurais artificiais (ANN), árvore de decisão com algoritmo de boosting (XGBoost) e processo gaussiano de regressão (GPR). Os resultados foram avaliados por meio de três indicadores: erro absoluto médio (MAE), erro quadrático médio (RMSE) e coeficiente de determinação (R²). Numa primeira etapa, os modelos com o banco de dados elaborado foram validados de forma cruzada (k = 10). Em seguida, foram utilizados dados experimentais para validar os modelos construídos. Na primeira etapa, o modelo que alcançou o melhor desempenho foi o ANN, com R² de 0,79, com os demais variando entre 0,68 e 0,73. Os MAEs variaram entre 4,73 e 5,51 MPa. No entanto, a validação experimental obteve resultados insatisfatórios - os modelos de GPR, XGBoost e SVR apresentaram valores de R² negativos. Isso mostra que o tamanho do banco de dados e a variabilidade do resíduo estudado influenciam significativamente a qualidade dos modelos propostos. Desse modo, o presente trabalho traz os primeiros passos para o desenvolvimento de estratégias de desenvolvimento de traços para concretos não-convencionais. Em última análise, buscamos reduzir o impacto das indústrias siderúrgicas no meio ambiente e contribuir para o entendimento dos fatores que influenciam os traços de concreto. |
Descrição: | Programa de Pós-Graduação em Engenharia Civil. Departamento de Engenharia Civil, Escola de Minas, Universidade Federal de Ouro Preto. |
URI: | http://www.repositorio.ufop.br/jspui/handle/123456789/14895 |
Licença: | Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 03/05/2022 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. Não permite o uso para fins comerciais nem a adaptação. |
Aparece nas coleções: | PROPEC - Mestrado (Dissertações) |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
DISSERTAÇÃO_ApredizadoMáquinaAplicado.pdf | 2,96 MB | Adobe PDF | Visualizar/Abrir |
Este item está licenciado sob uma Licença Creative Commons