Modelo neuro-fuzzy para predição do aporte de energia de diferentes dosagens de concreto em edificações

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.creatorSouza, Régis Marciano de-
Autor(es): dc.creatorMagalhães, Ricardo Rodrigues-
Autor(es): dc.creatorCampos, Alessandro Torres-
Data de aceite: dc.date.accessioned2026-02-09T11:57:11Z-
Data de disponibilização: dc.date.available2026-02-09T11:57:11Z-
Data de envio: dc.date.issued2022-01-13-
Data de envio: dc.date.issued2022-01-13-
Data de envio: dc.date.issued2021-03-
Fonte completa do material: dc.identifierhttps://repositorio.ufla.br/handle/1/48849-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1151099-
Descrição: dc.descriptionAn increasing process of urbanisation and a growing urban population heighten the need to understand the energy costs of the production of building materials. One of the most important tools applied to monitor the use of nonrenewable energy resources in the production of conventional concretes is energy input, into which further research is needed. In this study, an ANFIS (adaptive neuro-fuzzy inference system) hybrid model was developed to predict energy input in order to evaluate the energy demand required for each component of the production of conventional concrete (cement, water, fine aggregate and coarse aggregate) using 101 experimental dosages, 101 validation dosages and energy coefficients available in literature. The results showed that an adequate dosage can generate energy cost savings of 24.77% in the production of concrete, while still maintaining the mechanical characteristics of compressive strength for conventional constructions.-
Descrição: dc.descriptionhttp://dx.doi.org/10.1590/s1678-86212021000200527-
Descrição: dc.descriptionCom o aumento do processo de urbanização e da população das cidades, surge a necessidade de entender o custo energético para produção dos materiais de construção. Entre os instrumentos utilizados, o aporte de energia é um importante instrumento no monitoramento do uso de fontes de energia não renováveis para produção de concretos convencionais, o que demanda novas pesquisas na área. Neste trabalho, um modelo híbrido ANFIS (Adaptive Neuro-Fuzzy Inference System) foi desenvolvido para predição do aporte de energia, para a avaliação da demanda de energia necessária para cada um dos componentes na produção de concretos convencionais (cimento, água, agregado miúdo e agregado graúdo), mediante a utilização de 101 dosagens experimentais, 101 dosagens para validação e coeficientes energéticos disponíveis em literaturas. Identificou-se que a escolha adequada da dosagem pode gerar uma economia no custo energético para produção do concreto da ordem de 24,77%, mantendo a característica mecânica de resistência à compressão para construções convencionais.-
Idioma: dc.languagept_BR-
Publicador: dc.publisherAssociação Nacional de Tecnologia do Ambiente Construído - ANTAC-
Direitos: dc.rightsAttribution 4.0 International-
Direitos: dc.rightsAttribution 4.0 International-
Direitos: dc.rightsacesso aberto-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/4.0/-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/4.0/-
???dc.source???: dc.sourceAmbiente Construído-
Palavras-chave: dc.subjectConsumo de energia-
Palavras-chave: dc.subjectSistema ANFIS-
Palavras-chave: dc.subjectConstrução - Uso de energia-
Palavras-chave: dc.subjectEnergia incorporada-
Palavras-chave: dc.subjectEficiência energética-
Palavras-chave: dc.subjectEnergy consumption-
Palavras-chave: dc.subjectAdaptive Neuro-Fuzzy Inference System-
Palavras-chave: dc.subjectBuilding - Energy use-
Palavras-chave: dc.subjectEmbodied energy-
Palavras-chave: dc.subjectEnergy efficiency-
Título: dc.titleModelo neuro-fuzzy para predição do aporte de energia de diferentes dosagens de concreto em edificações-
Título: dc.titleNeuro-fuzzy model for energy prediction of different concrete dosages in buildings-
Tipo de arquivo: dc.typeArtigo-
Aparece nas coleções:Repositório Institucional da Universidade Federal de Lavras (RIUFLA)

Não existem arquivos associados a este item.