Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.ufc.br/handle/riufc/56087| Tipo: | Dissertação |
| Título : | Aplicação de redes neurais artificiais do tipo perceptron para previsão da condutividade hidráulica em solos não saturados |
| Título en inglés: | Application of artificial neural networks of the perceptron type to predict hydraulic conductivity in unsaturated soils |
| Autor : | Oliveira Silva, Joyce Pascoal de |
| Tutor: | Dantas Neto, Silvrano Adonias |
| Palabras clave : | Algoritmo de retropropagação do erro;Perceptron multicamadas;Sucção matricial;Curva de retenção |
| Fecha de publicación : | 2020 |
| Citación : | SILVA, Joyce Pascoal de Oliveira. Aplicação de redes neurais artificiais do tipo perceptron para previsão da condutividade hidráulica emsolos não saturados.2020.212 f. Dissertação (mestrado em Engenharia Civil: Geotecnia) –Universidade Federal do Ceará, Centro de Tecnologia,Departamento de Engenharia Hidráulica e Ambiental,Programa de Pós-Graduação em Engenharia Civil: Geotecnia, Fortaleza, 2020. |
| Resumen en portugués brasileño: | A determinação da condutividade hidráulica em solos não saturados é essencial ao realizar análises de fluxo nesses meios porosos. No entanto, a execução de ensaios de laboratório e de campo para a determinação dessa propriedade hidráulica não é prática corrente no âmbito da geotecnia, por se tratar de procedimentos demorados e dispendiosos. As redes neurais artificiais (RNA) têm sido bastante empregadas em Mecânica dos Solos, permitindo a estimativa de uma forma fácil e simples de fenômenos complexos e multivariados. Desse modo, esta dissertação tem como objetivo apresentar um modelo de estimativa da condutividade hidráulica em solos não saturados desenvolvido a partir de um tipo de RNA conhecido como perceptron multicamadas (MLP). As variáveis de entrada do modelo são: índice de vazios inicial, teor de umidade gravimétrico inicial, percentuais de areia, silte e argila, índice de plasticidade, coeficiente de permeabilidade saturado e sucção matricial. Durante a modelagem, um total de 275 exemplos foram utilizados, dos quais 85% foram empregados na fase de treinamento, e 15% na fase de teste. O modelo proposto possui a arquitetura A: 8-4-2-1 e apresentou coeficiente de correlação de 0,97 após 500 mil iterações em ambas as fases de treinamento e de teste. Os resultados do modelo se ajustaram satisfatoriamente aos dados experimentais utilizados nas fases de treinamento e de teste, e a rede neural proposta foi capaz de representar a influência das variáveis de entrada no comportamento hidráulico de diferentes tipos de solo. |
| Abstract: | The determination of hydraulic conductivity in unsaturated soils is essential when performing flow analysis in these porous media. However, the execution of laboratory and field tests to determine this hydraulic property is not a current practice in the scope of geotechnics, as these are time-consuming and expensive procedures. Artificial neural networks (ANN) have been widely used in soil mechanics, allowing the estimation of complex and multivariate phenomena in an easy and simple way. Thus, this dissertation aims to present a model for estimating hydraulic conductivity in unsaturated soils developed from a type of RNA known as multilayer perceptron (MLP). The model's input variables are: initial void index, initial gravimetric moisture content, percentages of sand, silt and clay, plasticity index, saturated permeability coefficient and matrix suction. During modeling, a total of 275 examples were used, of which 85% were used in the training phase, and 15% in the testing phase. The proposed model has architecture A: 8-4-2-1 and presented a correlation coefficient of 0.97 after 500 thousand iterations in both training and test phases. The results of the model adjusted satisfactorily to the experimental data used in the training and test phases, and the proposed neural network was able to represent the influence of the input variables on the hydraulic behavior of different types of soil. |
| URI : | http://www.repositorio.ufc.br/handle/riufc/56087 |
| Aparece en las colecciones: | DEHA - Dissertações defendidas na UFC |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 2020_dis_posilva.pdf | 5,1 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.