Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.ufc.br/handle/riufc/58314| Tipo: | Artigo de Periódico |
| Título : | Uma abordagem alternava para obtenção da classificação de solos da AASHTO usando redes neurais artificiais |
| Autor : | Souza, Wana Maria de Ribeiro, Antonio Júnior Alves Silva, Carlos Augusto Uchôa da |
| Palabras clave : | Prospecção de solo;Classificação da AASHTO;Rodovias de baixo volume de tráfego |
| Fecha de publicación : | 2021 |
| Citación : | SOUZA, Wana Maria de; RIBEIRO, Antonio Júnior Alves; SILVA, Carlos Augusto Uchôa da. Uma abordagem alternava para obtenção da classificação de solos da AASHTO usando redes neurais artificiais. Transportes, São Paulo-SP,v. 29, n. 1, p. 1-14, 2021. |
| Resumen en portugués brasileño: | A prospecção e análise preliminar de solos para idenficar a sua tendência de compor-tamento como subleito através da classificação da AASHTO, gera custos iniciais altos aos projetos rodoviários, os quais, muitas vezes, oneram o seu valor final, tendo em vista que o custo da geotecnia em projetos rodoviários é esmado em 30% na média, no âmbito do Ceará. Uma forma de omizar a idenficação preliminar do comportamento do material seria muito posiva para área rodoviária. Assim, o objevo deste trabalho é desenvolver um modelo de previsão da classificação da AASHTO de solos, por meio de Redes Neurais Arficiais (RNA) do po Perceptron de Múlplas Camadas (MLP). Para tanto, ulizou-se como variáveis explicavas os dados da classificação tál-visual de so-los, a qual possibilita verificar de forma expedita a granulometria e a cor do material. Assim, elaborou-se um banco de dados geotécnico com 1790 amostras extraídas de pro-jetos rodoviários já executados no estado do Ceará. O modelo proposto apresentou uma taxa de acerto de 94,5%, na média das esmavas para a classificação da AASHTO e um erro da ordem de 0,04, considerando o quadrado médio dos erros (MSE). |
| Abstract: | The soil survey and laboratory tests to analyze the soil general rang as subgrade of roads using the AASHTO classificaon, usually have a high financial cost for roads pro-jects, in Ceará state the cost of geotechnics services for pavement design is esmated at 30%. An alternave way to idenfy preliminarily a soil’s qualies rapidly just with field soil analysis would be posive to paving. The aims of this paper are an arficial neural network framework that processes qualitave field test data to predicon AASHTO soil classificaon. The data of the Visual-Manual classificaon of soils, which makes it possi-ble to verify preliminary the parcle size and color of the material, were used as explan-atory variables. Thus, was created a database with 1790 soil samples, which were ex-tracted from pre-exisng projects, provided by Naonal Department of Transportaon Infrastructure and Department of Transportaon of Ceará state. The proposed model presented an accuracy rate of 94.5%, in the average of the esmates for the AASHTO classificaon, and an error of the order of 0.04, considered the mean square of errors (MSE). |
| URI : | http://www.repositorio.ufc.br/handle/riufc/58314 |
| ISSN : | 2318-0730 |
| Aparece en las colecciones: | DET - Artigos publicados em revista científica |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 2021_art_wmsouza.pdf | 1,65 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.