O Repositório será lançado oficialmente no dia 9 de abril de 2025 às 14h30min no miniauditório do Campus Nova Suiça.
 

Técnicas de aprendizado de máquina para a previsão da resistência à compressão do concreto e da aderência aço-concreto

Página do item simplificado
dc.contributor.advisorMoita, Gray Farias
dc.contributor.advisor-coCarvalho, Eliene Pires de
dc.contributor.advisor-coLatteshttp://lattes.cnpq.br/0426741711913176
dc.contributor.advisorLatteshttp://lattes.cnpq.br/2550201329788172
dc.contributor.authorSilva, Priscila Flávia Souza da
dc.contributor.authorLatteshttp://lattes.cnpq.br/2665331153908857
dc.contributor.refereeMoita, Gray Farias
dc.contributor.refereeCarvalho, Eliene Pires de
dc.contributor.refereeKripka, Moacir
dc.contributor.refereePitangueira, Roque Luiz da Silva
dc.contributor.refereeSilva, Alisson Marques da
dc.contributor.refereeMenezes, Gustavo Campos
dc.date.accessioned2025-03-25T18:52:10Z
dc.date.available2025-03-25T18:52:10Z
dc.date.issued2023-02-24
dc.description.abstractO concreto convencional é um dos materiais mais utilizados na construção civil e no mundo. Sua mistura é composta por cimento, água e diversos agregados. Seu comportamento é altamente não linear devido, principalmente, a suas características heterogêneas. A resistência à compressão é um dos parâmetros mais importantes para a determinação das características estruturais do concreto, sendo utilizada amplamente por calculistas para a realização de projetos estruturais. Já a aderência entre a barra de aço e a pasta de concreto, que são os principais componentes do concreto armado, pode ser vista como um dos principais fatores para que o concreto armado seja considerado uma solução estrutural viável para as mais diversas obras. Esses dois paramentos são usualmente determinados por meio de ensaios laboratoriais dispendiosos, ocasionando grande gasto com recursos, materiais e tempo para a sua execução. Esse gasto é aumentado, principalmente, se considerado que a resistência à compressão do concreto, para atendimentos de processos normativos, é medida aos 7, 14 e 28 dias. Portanto, a previsão de resistência do concreto e da tensão de aderência continua sendo uma área ativa de pesquisa com um número considerável de estudos realizados. Por outro lado, a inteligência artificial e suas diversas aplicações são exemplos de novas tecnologias emergentes que têm se mostrado bem-sucedidas nas mais diversas aplicações científicas. Geralmente, os métodos computacionais superam suas contrapartes tradicionais, como os ensaios experimentais, na resolução de tarefas não lineares. Neste trabalho, é proposta a implementação de algoritmos de inteligência computacional para determinar a resistência do concreto armado à compressão e a força de arrancamento a partir de bases de dados experimentais. Cinco modelos são projetados, implementados e testados: árvores de decisão, florestas aleatórias, máquinas vetoriais de suporte, redes neurais artificiais e regressor gradiente boosting. Também são utilizados métodos de pré processamento de dados e técnicas estatísticas para um melhor estudo das bases de dados utilizadas. O objetivo desse estudo é determinar a resistência à compressão do concreto e a força de arrancamento de barras de aço engastadas em corpos de prova de concreto sem destruir nenhuma amostra. Por fim, os resultados obtidos neste trabalho mostram eficiência na determinação da resistência à compressão e na força de arrancamento e são comparados com outros trabalhos, destrutivos e não destrutivos, que também obtiveram esses parâmetros.
dc.description.abstractotherConventional concrete is the most common material in civil construction around the world. Its mixture is fundamentally composed of cement, water, and different aggregates. Its behavior is highly nonlinear, mainly due to its heterogeneous characteristics. Compressive strength is one of the most critical parameters when designing concrete structural properties, and engineers widely use it. The adherence between the steel bar and the concrete paste, which are the main components of reinforced concrete, can be seen as one of the main factors for reinforced concrete to be considered a viable structural solution for the most diverse applications. These two parameters are usually determined through expensive laboratory tests, causing losses in resources, materials, and time. This loss is increased, especially if one considers that the compressive strength of concrete is measured on the 7th, 14th, and 28th days. Consequently, the prediction of concrete strength and the pull-out stress remains an active research area, with a considerable number of studies performed. On the other hand, artificial intelligence and its numerous applications are examples of new technologies that have been successfully applied in various scientific applications. Intelligent systems often outperform their traditional equivalents in solving nonlinear tasks. In this work, the implementation of machine learning techniques are proposed to determine the compressive strength of concrete and the pull-out force from several databases. Five models are devised, implemented, and tested: decision tree, random forest, support vector machine, artificial neural networks and regressor gradient boosting. Pre-process data, and statistical techniques are also used for a better understanding of the databases used. This study aims to determine the compressive strength of concrete and the pull-out force without destroying any samples. Finally, the results obtained in this work show high efficiency in determining the compressive strength and pull-out force and are compared with other approaches, both destructive and non-destructive.
dc.identifier.urihttps://repositorio.cefetmg.br//handle/123456789/940
dc.language.isopt
dc.publisherCentro Federal de Educação Tecnológica de Minas Gerais
dc.publisher.countryBrasil
dc.publisher.initialsCEFET-MG
dc.publisher.programPrograma de Pós-Graduação em Modelagem Matemática e Computacional
dc.subjectConcreto
dc.subjectEnsaio dos materiais
dc.subjectInteligência artificial
dc.subjectEnsaio não destrutivos
dc.titleTécnicas de aprendizado de máquina para a previsão da resistência à compressão do concreto e da aderência aço-concreto
dc.typeTese

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Técnicas de aprendizado de máquina para a previsão da resistência à compressão.pdf
Tamanho:
7.51 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.39 KB
Formato:
Item-specific license agreed to upon submission
Descrição:
Baixar

Coleções

Doutorado em Modelagem Matemática e Computacional