Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Martínez Carvajal, Hernán Eduardo | - |
Autor(es): dc.contributor | Garcia Aritizabal, Edwin Fabian | - |
Autor(es): dc.creator | Montoya Botero, Eduardo | - |
Data de aceite: dc.date.accessioned | 2021-10-14T18:08:11Z | - |
Data de disponibilização: dc.date.available | 2021-10-14T18:08:11Z | - |
Data de envio: dc.date.issued | 2014-02-13 | - |
Data de envio: dc.date.issued | 2014-02-13 | - |
Data de envio: dc.date.issued | 2014-02-13 | - |
Data de envio: dc.date.issued | 2013-10-01 | - |
Fonte completa do material: dc.identifier | http://repositorio.unb.br/handle/10482/15166 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/624341 | - |
Descrição: dc.description | Dissertação (mestrado)—Universidade de Brasília, Departamento de Engenharia Civil e Ambiental, 2013. | - |
Descrição: dc.description | Na presente pesquisa, validou-se a capacidade de uma ferramenta computacional conhecida como Redes Neurais Artificiais para prever escorregamentos deflagrados por chuva em encostas naturais. O modelo neuronal foi treinado, validado e verificado numa encosta montanhosa tropical localizada na cidade de Medellín, Colômbia. A construção do banco de dados, composto por 180 exemplos, consistiu na obtenção de nove declividades representativas e vinte chuvas típicas do local de estudo, caraterizadas pela sua duração e pelo seu período de retorno. Foram combinadas as nove declividades com as vinte precipitações e, assim, obtido o perfil de poropressões em um código de Elementos Finitos, para conseguir a curva de fator de segurança versus declividade num corte horizontal em cada um dos casos analisados. Para a obtenção da resistência ao cisalhamento, foi utilizada a envoltória parabólica proposta por Lade (2010). Uma vez conhecida a curva do fator de segurança, foi feita uma regressão potencial na qual se observou que esta pode ser descrita por dois parâmetros. O primeiro parâmetro varia com a declividade e o segundo é um valor que pode ser representado por seu valor médio, uma vez que segue distribuição normal. Assim, as entradas para a rede neuronal são a declividade e a precipitação e a saída é o parâmetro variável da curva de fator de segurança. Verificou-se a capacidade que as Redes Neurais têm de aprender com informação característica do problema estudado e dar uma resposta, com um erro mínimo, para qualquer outra condição, generalizando o problema e permitindo aplicar a ferramenta em um local com condições similares. _______________________________________________________________________________________ ABSTRACT | - |
Descrição: dc.description | In this research it has been validated the ability of a computational tool known as Artificial Neural Networks to predict landslides triggered by rain on natural slopes. The neuronal model was trained, validated and verified for a tropical hillside in the city of Medellin - Colombia. The construction of the database, composed by 180 samples, consisted in obtaining nine representative slopes and twenty typical rains of the study site, characterized by their duration and return period. There have been combined data of nine slopes and twenty rainfalls, thereby obtaining the fluid pressure profile in a Finite Element code, in order to get the curve of safety factor versus slope in an horizontal cut in each of the analyzed cases. To obtain shear strength values for the simulations, there has been used the parabolic envelope proposed by Lade (2010). Once the safety factor curve is known, an potential regression was made and it has been observed that this can be described by two parameters. The first parameter varies with the slope and the second is a value which may be represented by its average value as it follows a normal distribution. Thus, the input data to the neural network are the slope and the precipitation and the output is the variable parameter curve of safety factor. It has been verified the ability of the neural networks to learn specific information of the studied problem and give an answer, with minimum error, for any other condition, generalizing the problem and allowing the application of the tool in a location with similar conditions. | - |
Formato: dc.format | application/pdf | - |
Direitos: dc.rights | Acesso Aberto | - |
Direitos: dc.rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições:Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | - |
Palavras-chave: dc.subject | Deslizamento (Geologia) | - |
Palavras-chave: dc.subject | Precipitação (Meteorologia) | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Título: dc.title | Modelo de alerta de escorregamentos deflagrados por chuvas usando redes neurais artificiais | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional – UNB |
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: