Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/42849
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorDantas Neto, Silvrano Adonias-
dc.contributor.authorSilveira, Mariana Vela-
dc.contributor.authorAnjos, Gerson Jacques Miranda dos-
dc.contributor.authorMoura, Alfran Sampaio-
dc.date.accessioned2019-06-18T18:27:31Z-
dc.date.available2019-06-18T18:27:31Z-
dc.date.issued2016-
dc.identifier.citationDANTAS NETO, S. A. et. al. Modelo de previsão de recalques em estacas hélice contínua, metálicas e escavadas através de redes neurais artificiais, Revista Geotecnia, Lisboa, v. 136, p. 27-47, mar. 2016.pt_BR
dc.identifier.issn0379-9522-
dc.identifier.urihttp://www.repositorio.ufc.br/handle/riufc/42849-
dc.description.abstractThis work presents a method for pile settlement prediction using an artificial neural network (ANN) known as perceptron. Results from 199 SPT and static load tests carried out on continuous flight auger, steel and bored piles were used in the model development. The ANN model allows the prediction of settlements as a function of the pile type and geometry (diameter and length), the stratigraphy and characteristics of soils defined by SPT test results, and the applied load. The architecture that presented the best performance was A10:14:8:4:2:1, with a correlation coefficient of 0.94. The results were compared to those obtained in previous works and by other authors that also developed settlement prediction models using ANNs. This comparison has shown that the proposed model is able to predict settlements more accurately.pt_BR
dc.language.isopt_BRpt_BR
dc.publisherRevista Geotecniapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectEstacapt_BR
dc.subjectRedes neurais (Computação)pt_BR
dc.subjectRecalque de estruturaspt_BR
dc.subjectStructural stresspt_BR
dc.subjectStakept_BR
dc.subjectNeural networkspt_BR
dc.titleModelo de previsão de recalques em estacas hélice contínua, metálicas e escavadas através de redes neurais artificiaispt_BR
dc.typeArtigo de Periódicopt_BR
dc.description.abstract-ptbrEste trabalho apresenta um método para previsão de recalques em estacas desenvolvido com o uso de redes neurais artificiais do tipo perceptron. Foram utilizados resultados de 199 ensaios SPT e provas de carga estáticas realizadas em estacas hélice contínua, escavadas e metálicas. São variáveis de entrada para o modelo: tipo e geometria da estaca (diâmetro e comprimento), as características do solo definidas a partir de resultados dos ensaios SPT e a carga aplicada. A arquitetura da rede neural que apresentou o melhor desempenho foi A:10:14:8:4:2:1, com um coeficiente de correlação igual a 0,94. Os resultados foram comparados àqueles obtidos em trabalhos anteriores e por outros autores que também desenvolveram modelos de previsão de recalques com redes neurais artificiais. Esta comparação mostrou que o modelo proposto neste trabalho foi capaz de prever os recalques com maior precisão.pt_BR
dc.title.enSettlement prediction model for continuous flight auger, steel and bored piles using artificial neural networkspt_BR
Aparece nas coleções:DEHA - Artigos publicados em revista científica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2016_art_sadantasneto.pdf158,85 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.