Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.ufpe.br/handle/123456789/49238
Comparte esta pagina
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | FERREIRA, Silvio Romero de Melo | - |
dc.contributor.author | HOLANDA, Maria Júlia de Oliveira | - |
dc.date.accessioned | 2023-03-01T18:53:16Z | - |
dc.date.available | 2023-03-01T18:53:16Z | - |
dc.date.issued | 2022-11-18 | - |
dc.identifier.citation | HOLANDA, Maria Júlia de Oliveira. Solos colapsíveis e expansivos no Brasil : classificação da suscetibilidade de ocorrência aplicando redes neurais artificiais. 2022. Tese (Doutorado em Engenharia Civil) - Universidade Federal de Pernambuco, Recife, 2022. | pt_BR |
dc.identifier.uri | https://repositorio.ufpe.br/handle/123456789/49238 | - |
dc.description.abstract | Solos colapsíveis e expansivos são solos problemáticos na Engenharia Civil. Identificar, classificar e compreender o comportamento hidro geomecânico requer procedimentos de ensaios de laboratório e campo e a utilização de modelos computacionais que levam em consideração o estado tensional em que o solo se encontra e a que será submetido, relacionando a variação de volume devido à mudança de umidade. Redes Neurais Artificiais (RNA) constituem uma ferramenta importante para essa finalidade, através da correlação entre os preditores e das propriedades a serem estimadas. A pesquisa tem por objetivo identificar o grau de probabilidade e classificar a suscetibilidade de ocorrência de solos colapsíveis e expansivos no Brasil baseadas em variáveis geotécnicas e variáveis pedológicas, geológicas e climatológicas. A partir das informações do Banco de Dados de Solos Especiais (BANDASE) do Grupo de Pesquisa de Solos Não Saturados (GNsat) da UFPE, utilizando RNA através do Neural Design, as redes são desenvolvidas e tem seu desempenho analisado segundo testes de classificação binária (acurácia, taxa de erro, previsão, sensitividade e especificidade). Três redes foram elaboradas. A primeira rede (PE04) criada a partir de 87 amostras de PE (53 treinamento, 17 seleção e 17 teste), conta com 4 variáveis de entrada (% de areia, % de argila, índices de plasticidade e atividade) e tem acurácia de classificação de 76,5%. A segunda rede (PE07) considera as mesmas 87 amostras com 7 variáveis de entrada (as 4 variáveis da rede PE04, além de clima, pedologia e geologia) e obtém uma acurácia de 88,2%. A terceira rede (BR03), desenvolvida com 393 amostras (237 treinamento, 78 seleção e 78 teste), utiliza 3 variáveis entrada (clima, pedologia e geologia) e tem acurácia de 89,7%. A generalização dos padrões de previsão das redes apresenta taxas de acurácia de 91,11% e 81,95% para as redes PE04 e BR03 e são aplicadas interpolando amostras dentro do mesmo domínio que foram desenvolvidas; enquanto a rede PE07, validada extrapolando o domínio com amostras do Nordeste e do Brasil, teve um decréscimo na taxa de acurácia: 65,5% e 56,7% respectivamente. Com a melhor rede (BR03) foi desenvolvido um programa para classificação de solos e elaborado um mapa probabilístico de ocorrência dos solos colapsíveis e expansivos, “disponibilizados gratuitamente” em ambiente web. As RNA PE04 e PE07 possibilitaram a produção de estimativas de identificação e classificação de solos colapsíveis e expansivos de Pernambuco com acurácia satisfatória, estabelecendo uma boa correlação entre as variáveis e a rede BR03 e ratificou a importância das variáveis de origem e formação do solo para classificar locais de propensão a esses fenômenos. | pt_BR |
dc.language.iso | por | pt_BR |
dc.publisher | Universidade Federal de Pernambuco | pt_BR |
dc.rights | openAccess | pt_BR |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Engenharia Civil | pt_BR |
dc.subject | Redes neurais artificiais | pt_BR |
dc.subject | Colapso | pt_BR |
dc.subject | Expansão | pt_BR |
dc.title | Solos colapsíveis e expansivos no Brasil : classificação da suscetibilidade de ocorrência aplicando redes neurais artificiais | pt_BR |
dc.type | doctoralThesis | pt_BR |
dc.contributor.advisor-co | AMORIM, Samuel Franca | - |
dc.contributor.authorLattes | http://lattes.cnpq.br/7343231130503739 | pt_BR |
dc.publisher.initials | UFPE | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.degree.level | doutorado | pt_BR |
dc.contributor.advisorLattes | http://lattes.cnpq.br/8035357058902261 | pt_BR |
dc.publisher.program | Programa de Pos Graduacao em Engenharia Civil | pt_BR |
dc.description.abstractx | Collapsible and expansive soils are problematic soils in Civil Engineering. Identifying, classifying and understanding the hydro-geomechanical behavior requires laboratory and field testing procedures and the use of computer models that take into account the tensional state in which the soil is and to which it will be subjected, relating the volume variation due to the change in moisture. Artificial Neural Networks (ANN) constitute an important tool for this purpose, through the correlation between the predictors and the properties to be estimated. The research aims to identify the degree of probability and classify the susceptibility of occourence of collapsible and expansive soils in Brazil based on geotechnical variables and pedological, geological and climatological variables. Based on information from the Special Soils Database (BANDASE) of the Research Group on Unsaturated Soils (GNsat) at UFPE, using ANN through Neural Design, the networks are developed and their performance is analyzed according to binary classification tests (accuracy, error rate, prediction, sensitivity and specificity). Three networks were elaborated. The first network (PE04) created from 87 PE samples (53 training, 17 selection and 17 testing), has 4 input variables (% sand, % clay, plasticity and activity indices) and has classification accuracy of 76.5%. The second network (PE07) considers the same 87 samples with 7 input variables (the 4 variables of the PE04 network, in addition to climate, pedology and geology) and obtains an accuracy of 88.2%. The third network (BR03) developed with 393 samples (237 training, 78 selection and 78 testing), uses 3 input variables (climate, pedology and geology) and has an accuracy of 89.7%. The generalization of the prediction patterns of the networks presents accuracy rates of 91.11% and 81.95% for the PE04 and BR03 networks and are applied by interpolating samples within the same domain that they were developed; while the PE07 network, was validated with samples from the Northeast and Brazil, had a decrease in the accuracy rate: 65.5% and 56.7% respectively. With the best network (BR03) a soil classification program was developed and a probabilistic map of the occurrence of collapsible and expansive soils, “available for free” in a web environment. The ANN PE04 and PE07 allowed the production of estimates for the identification and classification of collapsible and expansive soils in Pernambuco with satisfactory accuracy, establishing a good correlation between the variables and the BR03 network and ratifying the importance of the variables of origin and soil formation for classify places prone to these phenomena. | pt_BR |
dc.contributor.advisor-coLattes | http://lattes.cnpq.br/6103083772511910 | pt_BR |
Aparece en las colecciones: | Teses de Doutorado - Engenharia Civil |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
TESE Maria Júlia de Oliveira Holanda.pdf | 6,04 MB | Adobe PDF | ![]() Visualizar/Abrir |
Este ítem está protegido por copyright original |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons