Tamanho da fonte:
ABORDAGEM BASEADA EM APRENDIZADO DE MÁQUINA PARA AVALIAÇÃO DO IMPACTO DAS VARIÁVEIS QUE INFLUENCIAM NO PROCESSO DE CARBONATAÇÃO DO CONCRETO
Última alteração: 2024-09-11
Resumo
No contexto da construção civil, um dos desafios encontrados é garantir que as construções de concreto armado ofereçam segurança e estabilidade ao longo de toda a sua vida útil. Um dos fatores a ser analisado neste processo é a profundidade de carbonatação sofrido pelo concreto. Dessa forma, o objetivo deste projeto é criar uma ferramenta em python, que utiliza técnicas de Aprendizado de Máquina para criar um modelo de árvore de decisão, especificamente o “Random Forest”, que estime a profundidade de carbonatação em vigas de concreto armado, tendo em vista que este é um fator importante para garantir a durabilidades dessas estruturas. Além disto, como um diferencial de projeto, a ferramenta utiliza a técnica de explicabilidade SHAP, que permite demonstrar graficamente o impacto de cada variável no resultado final. Para avaliar experimentalmente este projeto, foi gerado dados sintéticos através da simulação de Monte Carlo, e por meio de equações determinísticas baseadas nos modelos de Possan (2010), Helene (1997), Ho e Lewis (1987), desta forma o modelo consegue mensurar a profundidade de carbonatação, considerando características do concreto, do ambiente e tempo de exposição da estrutura. Os resultados mostraram que o algoritmo consegue ser bastante preciso para determinados valores e seguem um padrão já previamente esperado, porém quando as variáveis de entrada se distanciam dos valores treinados, os resultados utilizam uma aproximação não satisfatória. Desta forma, os trabalhos futuros pretendem corrigir estas aproximações utilizando uma base de dados sintética e com mais instâncias para treinamento do modelo.
Palavras-chave
Aprendizado de máquina. Concreto armado. Carbonatação.
É necessário inscrever-se na conferência para visualizar os documentos.