Please use this identifier to cite or link to this item:
http://repositorio.ufc.br/handle/riufc/68003| Type: | Artigo de Periódico |
| Title: | A prediction model of the coefficient of friction for runway using artificial neural network |
| Other Titles: | Modelo de previsão do coeficiente de atrito para pista de pouso e decolagem com uso de redes neurais artificiais |
| Authors: | Quariguasi, José Breno Ferreira Oliveira, Francisco Heber Lacerda de Reis, Saulo Davi Soares e |
| Keywords: | Pavimentos;Aeroportos;Segurança operacional;Manutenção |
| Issue Date: | 2021 |
| Publisher: | Transportes |
| Citation: | OLIVEIRA, F. H. L.; REIS, S. D. S.; QUARIGUASI, J. B. F. A prediction model of the coefficient of friction for runway using artificial neural network. Transportes, vol. 29, n. 2, 2021. DOI: 10.14295/transportes.v29i2.2401 |
| Abstract in Brazilian Portuguese: | As condições superficiais de uma pista de pouso e decolagem (PPD) são fundamentais para a garantia da segurança das operações das aeronaves que a utilizam. Nesse sentido, operadores de aeródromos devem manter atenção especial ao coeficiente de atrito e à macrotextura, para que possam promover uma PPD segura, planejar estratégias de manutenção e reabilitação em momentos oportunos, à medida que esses parâmetros se deterioram. Dessa forma, com o intuito de auxiliar operadores de aeródromo e a agência reguladora na tomada de decisão acerca do monitoramento e dos serviços de conservação de pavimentos aeroportuários, este trabalho tem o objetivo de desenvolver um modelo de previsão do coeficiente de atrito medido numa PPD, por meio de Redes Neurais Artificiais. Os resultados apresentaram-se satisfatórios e, assim, tem-se potencial de aplicação do modelo para contribuir na tomada de decisão no contexto de um Sistema de Gerência de Pavimentos Aeroportuários. |
| Abstract: | Runway surface conditions are fundamental to ensure safety during landing and takeoff operations of aircrafts. In this manner, airport operators are required to monitor the coefficient of friction and macrotexture of runways to maintain its safety and plan maintenance and rehabilitation strategies when appropriate, since both these parame-ters get deteriorated with time. Thus, to assist aerodrome operators and regulatory agencies in the decision-making process for conservation and monitoring of airfield pavements, this study aimed to develop a prediction model for runway friction using Artificial Neural Network. Our results were satisfactory and may contribute to the decision-making process in the context of the Airport Pavement Management System. |
| URI: | http://www.repositorio.ufc.br/handle/riufc/68003 |
| ISSN: | 2237-1346 |
| Appears in Collections: | DET - Artigos publicados em revista científica |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 2021_art_fhloliveira.pdf | 1,01 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.