Avaliação do
Você é humano?
8
5
=
Denunciar conteúdo impróprio
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.
Previsão do comportamento do cimento Portland CPIV por meio do uso de técnicas de Machine Learning com diferentes bancos de dados
Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/capes/886402
Registro completo de metadados
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Rêgo, João Henrique da Silva | - |
| Autor(es): dc.contributor | Evangelista Junior, Francisco | - |
| Autor(es): dc.creator | Vasques, Lucas de Paula | - |
| Data de aceite: dc.date.accessioned | 2024-10-23T15:34:17Z | - |
| Data de disponibilização: dc.date.available | 2024-10-23T15:34:17Z | - |
| Data de envio: dc.date.issued | 2024-07-15 | - |
| Data de envio: dc.date.issued | 2024-07-15 | - |
| Data de envio: dc.date.issued | 2024-07-15 | - |
| Data de envio: dc.date.issued | 2023-07-25 | - |
| Fonte completa do material: dc.identifier | http://repositorio2.unb.br/jspui/handle/10482/48864 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/886402 | - |
| Descrição: dc.description | Dissertação (mestrado) — Universidade de Brasília, Programa de Pós-Graduação em Estruturas e Construção Civil, Faculdade de Tecnologia, 2023. | - |
| Descrição: dc.description | O uso de cimentos pozolânicos tem crescido no meio da construção civil, de forma que mais estudos são necessários a fim de compreender suas propriedades. As técnicas de Machine Learning (ML) têm sido utilizadas em pesquisas recentes para análise de bancos de dados de propriedades de materiais como concretos e cimentos Portland. Notou-se que há uma ausência na literatura de trabalhos analisando a previsão da resistência à compressão de cimentos pozolânicos produzidos por uma única fábrica, ainda mais com o uso inputs de mais fácil obtenção. Portanto, neste trabalho foram utilizadas técnicas de Artificial Neural Networks com o objetivo de prever a resistência à compressão de cimentos contendo argila calcinada em sua composição. Foram utilizados dados de caracterização físico-química (como teores de óxidos e de compostos principais) do cimento de uma única indústria para a montagem de 5 bancos de dados, variando nos tipos de inputs adotados. Cada banco de dados foi utilizado para treinamento de um algoritmo diferente que posteriormente teve seu desempenho analisado por meio de indicadores de qualidade como R², RMSE e MAPE. Dois dos algoritmos se destacaram entre os demais, um utilizando teores de óxidos (A1) e outro com teores de compostos principais (B2), sendo o primeiro mais eficiente nas previsões que o segundo. Foram apresentados para A1 e B2, respectivamente, valores de MAPE (2,36% e 3,12%), RMSE (1,204 e 1,513 MPa) e erro absoluto médio (0,999 e 1,300 MPa) considerados eficientes de acordo com a literatura existente, apesar de valores de R² (0,50 e 0,51). Por meio dos resultados obtidos foi possível efetuar previsões consideravelmente confiáveis (com baixo erros relativos e absolutos) da resistência à compressão aos 28 dias do cimento pozolânico. Tal fato faz dos modelos produzidos alternativas promissoras para a avaliação dessa propriedade em futuras pesquisas. | - |
| Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) e Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq). | - |
| Descrição: dc.description | The use of pozzolanic cement has grown in the field of civil construction, so more studies are needed to understand their properties. Machine Learning (ML) techniques have been used in recent research to analyze databases of properties of materials such as concrete and Portland cement. It was noted that there is an absence in the literature of studies analyzing the prediction of compressive strength of pozzolanic cement produced by a single factory, even more so with the use of easier inputs. Therefore, in this study, Artificial Neural Networks techniques were used to predict the compressive strength of cement containing calcined clay in their composition. Physical-chemical characterization data (such as oxide and main compound contents) of cement from a single industry were used to assemble 5 databases, varying in the types of inputs adopted. Each database was used to train a different algorithm that later had its performance analyzed using quality indicators such as R², RMSE, and MAPE. Two of the algorithms stood out among the others, one using oxide contents (A1) and the other with principal compound contents (B2), the first being more efficient in forecasting than the second. For A1 and B2, respectively, values of MAPE (2.36% and 3.12%), RMSE (1.204 and 1.513 MPa) and mean absolute error (0.999 and 1.300 MPa) were considered efficient according to the existing literature, with R² values of 0.50 and 0.51. Through the results obtained, it was possible to make considerably reliable predictions (with low relative and absolute errors) of the compressive strength at 28 days of the pozzolanic cement. This fact makes the models produce promising alternatives for the evaluation of this property in future research. | - |
| Descrição: dc.description | Faculdade de Tecnologia (FT) | - |
| Descrição: dc.description | Departamento de Engenharia Civil e Ambiental (FT ENC) | - |
| Descrição: dc.description | Programa de Pós-Graduação em Estruturas e Construção Civil | - |
| 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.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, 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 | Aprendizagem de máquina | - |
| Palavras-chave: dc.subject | Cimento Portland | - |
| Palavras-chave: dc.subject | Argila calcinada | - |
| Palavras-chave: dc.subject | Resistência à compressão | - |
| Título: dc.title | Previsão do comportamento do cimento Portland CPIV por meio do uso de técnicas de Machine Learning com diferentes bancos de dados | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional – UNB | |
Não existem arquivos associados a este item.
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:
- O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
- Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
- O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
- O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
-
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
- Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
- A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
- O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
- A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
- O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
- A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
- As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
- A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.
Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo
Não concordo e não irei baixar o arquivo