RIBEIRO, A. J. A. Um Modelo de previsão do módulo de resiliência dos solos no estado do Ceará para fins de pavimentação. 2016. 151 f. Tese (Doutorado em Engenharia de Transportes) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2016. / Submitted by Hohana Sanders (hohanasanders@hotmail.com) on 2016-08-03T14:04:10Z No. of bitstreams: 1 2016_tese_ajaribeiro.pdf: 6354204 bytes, checksum: 9c6bfb8d567f07df5ecdbcd01ec6c0c4 (MD5) / Approved for entry into archive by Marlene Sousa (mmarlene@ufc.br) on 2016-08-05T17:40:15Z (GMT) No. of bitstreams: 1 2016_tese_ajaribeiro.pdf: 6354204 bytes, checksum: 9c6bfb8d567f07df5ecdbcd01ec6c0c4 (MD5) / Made available in DSpace on 2016-08-05T17:40:15Z (GMT). No. of bitstreams: 1 2016_tese_ajaribeiro.pdf: 6354204 bytes, checksum: 9c6bfb8d567f07df5ecdbcd01ec6c0c4 (MD5) Previous issue date: 2016-06-13 / The development of models to support the transport infrastructure design has established itself as an alternative to obtain data and information on the geotechnical characteristics of the soil in a given region. One of the techniques that have been successful in generating the estimates is the Artificial Neural Networks (ANN).The neural modeling has allowed both the prediction of different geotechnical soil attributes as their locations with relative accuracy for a given study area. It is known that the methods of empirical-mechanistic pavement design depend on their application, prior knowledge of some of these characteristics. Obtaining geotechnical soil information, such as AASHTO classification, CBR and resilient modulus (RM), imply high financial cost. Thus, this thesis proposes the use of artificial intelligence techniques to generate models to estimate the RM of soil in order to be used in methods of pavement design, for which this information is essential. It is proposed to perform conventional geotechnical testing (Particle size analysis of soils and Compaction) to obtain data that will allow the proposed model, aiming to estimate the resilient behavior of soils in the state of Ceará. From the results, estimates were generated that can be integrated into the pavement design methods for the study area, reducing the financial costs of the projects and the execution time. The results showed that the ANN are able to predict with good accuracy, with 0.984 correlation coefficient, RM values of the soil, showing that the use of neural models to predict the RM to the empirical-mechanistic design of pavements is possible. This technique allows the use of the models generated for the design of pavements, where there is lack of information or lack of funding for road design. / O desenvolvimento de modelos como apoio aos projetos de infraestrutura de transportes vem se firmando como uma alternativa para se obter dados e informações acerca das características geotécnicas dos solos de uma determinada região. Uma das técnicas que tem obtido sucesso na geração dessas estimativas é a de Redes Neurais Artificiais (RNA). A modelagem neural tem permitido tanto a predição de diferentes atributos geotécnicos dos solos quanto de suas localizações com relativa precisão para uma dada região de estudo. Sabe-se que os métodos de dimensionamentos empírico-mecanísticos de pavimentos dependem, para sua aplicação, do conhecimento prévio de algumas dessas características. A obtenção de informações geotécnicas de solos, como por exemplo, a classificação da AASHTO, CBR e Módulo de Resiliência (MR), implicam em elevados custos. Assim, esta tese propõe o uso de técnicas de inteligência artificial na geração de modelos destinados a estimar o MR de solos, a fim de que sejam usados nos métodos de dimensionamentos de pavimentos, para os quais esta informação seja imprescindível. Propõe-se a realização de ensaios geotécnicos convencionais (Análise Granulométrica e Compactação) para obtenção dos dados que permitirão a modelagem proposta, visando-se estimar o comportamento resiliente dos solos no estado do Ceará. A partir dos resultados obtidos, foram geradas estimativas que podem ser integradas aos métodos de dimensionamento de pavimentos para a área de estudo, reduzindo-se os custos financeiros dos projetos e o tempo de execução. Os resultados mostraram que as RNA são capazes de prever com boa precisão, com coeficiente de correlação de 0,984, os valores de MR dos solos, se mostrando assim, promissor, o uso de modelos neurais para prever o MR para o dimensionamento empírico-mecanístico de pavimentos. Esta técnica permite assim o uso dos modelos gerados no dimensionamento de pavimentos, quando da ausência de informações ou escassez de recursos financeiros para projetos rodoviários.

Resumo: A erosão dos solos tem sido um dos fatores mais importantes na limitação da produção agrícola e poluição dos recursos hídricos do Estado do Paraná. O objetivo deste trabalho, realizado na microbacia piloto do projeto PARANÁ RURAL, localizada no município de Campo do Tenente, sul do Estado do Paraná, foi de desenvolver metodologia para a obtenção e a representação espacial automatizada dos fatores da USLE (Equação Universal de Perdas de Solos), através do SGI (Sistema Geográfico de Informações) e analisar a adequação do uso, apurado pelas estimativas da USLE comparada ao método da Aptidão Agrícola das Terras. Os aplicativos do SGI, juntamente com os arquivos de regras, possibilitaram a obtenção, quantificação e a representação cartográfica e digital dos fatores da USLE. Os dois métodos (USLE e Aptidão Agrícola), indicaram algumas áreas subutilizadas quando em uso com mata, capoeira e reflorestamento e algumas áreas superutilizadas quando ocupadas por culturas anuais. Apesar de ocorrer 53,10% de concordância entre os métodos, a USLE mostrou-se mais rigorosa que a Aptidão Agrícola quanto à adequação do uso do solo. A comprovação a campo e a adequação dessas informações indicam serem as técnicas de geoprocessamento alternativas para controlar o uso adequado do solo e garantir a preservação dos recursos naturais.