
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | Infrastructure and Territory | - |
| Autor(es): dc.creator | Felix, Emerson F. | - |
| Autor(es): dc.creator | Lavinicki, Breno M. | - |
| Autor(es): dc.creator | Bueno, Tobias L. G. T. | - |
| Autor(es): dc.creator | de Castro, Thiago C. C. | - |
| Autor(es): dc.creator | Cândido, Renan A. | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T20:19:18Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T20:19:18Z | - |
| Data de envio: dc.date.issued | 2025-04-29 | - |
| Data de envio: dc.date.issued | 2024-11-30 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/s41024-024-00491-7 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/308793 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/308793 | - |
| Descrição: dc.description | This study introduces an original approach that integrates a machine-learning algorithm and a Monte Carlo simulation technique to evaluate the durability of reinforced concrete (RC) structures subjected to carbonation-induced corrosion. The study commences by forecasting the carbonation depth of concrete samples subjected to natural conditions, employing Artificial Neural Networks (ANNs) with the backpropagation algorithm. A database was created by gathering information from 870 literature sources, and it was utilized to build 100 ANN models with different topologies. A rigorous evaluation was conducted to identify the most efficient ANN architecture. Subsequently, the approach was applied in a case study to evaluate the design life of structures in a real scenario, thereby demonstrating its tangible value in real-world applications. In addition, a parametric study was undertaken to examine the material’s compressive strength and the thickness of the concrete cover, which influences its durability. The design life was determined using the Monte Carlo Simulation technique coupled with the ANN model, in which the probability of depassivation due to carbonation was forecasted. Findings indicate that decreasing the concrete cover by 25% would lead to a 48% decrease in the structure’s design life, highlighting the influence of accurately determining and implementing the thickness of the concrete cover for RC structures. | - |
| Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
| Descrição: dc.description | Universidade Estadual Paulista | - |
| Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
| Descrição: dc.description | School of Science and Engineering Department of Civil Engineering São Paulo State University (UNESP) | - |
| Descrição: dc.description | Federal University of Latin American Integration (UNILA) Latin American Institute of Technology Infrastructure and Territory | - |
| Descrição: dc.description | School of Science and Engineering Department of Civil Engineering São Paulo State University (UNESP) | - |
| Descrição: dc.description | CAPES: 001 | - |
| Descrição: dc.description | Universidade Estadual Paulista: 06/2023 | - |
| Descrição: dc.description | FAPESP: 2023/04364-9 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Journal of Building Pathology and Rehabilitation | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Concrete carbonation | - |
| Palavras-chave: dc.subject | Durability | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Reinforcement depassivation | - |
| Título: dc.title | Integrating machine learning and Monte Carlo Simulation for probabilistic assessment of durability in RC structures affected by carbonation-induced corrosion | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: