EM - Escola de Minas

URI permanente desta comunidadehttp://www.hml.repositorio.ufop.br/handle/123456789/6

Notícias

A Escola de Minas de Ouro Preto foi fundada pelo cientista Claude Henri Gorceix e inaugurada em 12 de outubro de 1876.

Navegar

Filtros

20221

Configurações

Autor: search.filters.author.Penido, Rúben El-KatibAssunto: search.filters.subject.Aprendizado do computador

Resultados da Pesquisa

Agora exibindo 1 - 1 de 1
  • Nenhuma Miniatura Disponível
    Item
    Aprendizado de máquina aplicado à construção civil : estimativa da resistência à compressão de concretos de escória de aciaria.
    (2022) Penido, Rúben El-Katib; Mendes, Júlia Castro; Cury, Alexandre Abrahão; Mendes, Júlia Castro; Cury, Alexandre Abrahão; Carvalho, José Maria Franco de; Santos, Tatiana Barreto dos
    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.