Submitted by Geandra Rodrigues (geandrar@gmail.com) on 2018-01-11T16:56:36Z
No. of bitstreams: 1
jonatajeffersonandrade.pdf: 3871423 bytes, checksum: e67d44781c780adff8ab0f791d6a9f1c (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2018-01-23T13:43:37Z (GMT) No. of bitstreams: 1
jonatajeffersonandrade.pdf: 3871423 bytes, checksum: e67d44781c780adff8ab0f791d6a9f1c (MD5) / Made available in DSpace on 2018-01-23T13:43:37Z (GMT). No. of bitstreams: 1
jonatajeffersonandrade.pdf: 3871423 bytes, checksum: e67d44781c780adff8ab0f791d6a9f1c (MD5)
Previous issue date: 2017-09-27 / No concreto de agregado leve, a resistência à compressão e o módulo de elasticidade são as propriedades mecânicas mais importantes e consequentemente as mais comumente analisadas. A relação entre os componentes do concreto de agregado leve e suas propriedades mecânicas é altamente não linear, e o estabelecimento de um modelo de previsão abrangente de tais características é usualmente problemático. Existem trabalhos que buscam encontrar essa relação de formas empíricas. Há também trabalhos que buscam aplicar técnicas de inteligência computacional para prever essas propriedades a partir dos componentes do concreto. Prever com precisão as propriedades mecânicas do concreto de agregado leve é um problema crítico em projetos de engenharia que utilizam esse material. O objetivo desta dissertação é avaliar o desempenho de diferentes métodos de inteligência computacional para prever a módulo de elasticidade e a resistência à compressão aos 28 dias de concretos de agregados leves em função do fator água/cimento, volume de agregado leve, quantidade de cimento e densidade do agregado leve. Para a escolha da melhor configuração de cada método, foi definida uma metodologia utilizando o algoritmo de otimização PSO (Particle Swarm Optmization). Por fim, é verificada a capacidade de generalização dos métodos através do processo de validação cruzada de modo a encontrar o método que apresenta o melhor desempenho na aproximação das duas propriedades mecânicas. / In lightweight aggregate concrete, the compressive strength, the elastic modulus and specific weight are the most important properties and consequently the most commonly analyzed. The relationship between lightweight aggregate concrete components and their mechanical properties is highly nonlinear, and establishing a comprehensive predictive model of such characteristics is usually problematic. There are works that seek to find this relation of empirical forms. There are also works that seek to apply computational intelligence techniques to predict these properties from the concrete components. Accurately predicting the mechanical properties of lightweight aggregate concrete is a critical problem in engineering projects that use this material. The objective of this dissertation is to evaluate the performance of different computational intelligence methods to predict the elastic modulus and the compressive strength at 28 days of lightweight aggregates concrete as a function of water/cement factor, lightweight aggregate volume, cement quantity and density of the lightweight aggregate. In order to choose the best configuration of each method, a methodology was defined using the Particle Swarm Optmization (PSO) algorithm. Finally, the generalization of the methods through the cross validation process is verified in order to find the method that presents the best performance in the approximation of the two mechanical properties.
| Identifer | oai:union.ndltd.org:IBICT/oai:hermes.cpd.ufjf.br:ufjf/6091 |
| Date | 27 September 2017 |
| Creators | Andrade, Jonata Jefferson |
| Contributors | Fonseca, Leonardo Goliatt da, Farage, Michèle Cristina Resende, Oliveira, Fabrízzio Condé de |
| Publisher | Universidade Federal de Juiz de Fora (UFJF), Programa de Pós-graduação em Modelagem Computacional, UFJF, Brasil, ICE – Instituto de Ciências Exatas |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFJF, instname:Universidade Federal de Juiz de Fora, instacron:UFJF |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0019 seconds