Modelagem preditiva de propriedades mecânicas em concretos reforçados com fibra de aço utilizando redes neurais artificiais
Resumo Este artigo teve como foco a estimativa de propriedades mecânicas essenciais à concepção de estruturas de concreto mediante um modelo confiável de predição da resistência à compressão, à tração e à flexão de concreto reforçado com fibra de aço (CRFA) utilizando redes neurais artificias (RNA), bem como avaliar a influência do teor de fibras nessas propriedades. A pesquisa utilizou um banco de dados com 57 estudos experimentais descritos na literatura, sendo implementado um modelo de rede neural com 12 variáveis de entrada, 1 de saída e 2 camadas ocultas com 16 neurônios. Como resultados, obtiveram-se as seguintes métricas indicadoras da qualidade do ajuste: um erro quadrático médio (MSE) de 22,63, 0,08 e 0,80, e um erro absoluto médio (MAE) de 3,64, 0,24 e 0,74 respectivamente para as resistências à compressão, à tração e à flexão. A análise da sensibilidade evidenciou que houve aumento considerável nas resistências à tração e à flexão com uso de fibras, o que é esperado. Os resultados confirmaram a capacidade de o modelo reproduzir de forma confiável as propriedades mecânicas do CRFA.
| Main Authors: | , , , , , |
|---|---|
| Format: | Digital revista |
| Language: | Portuguese |
| Published: |
Associação Nacional de Tecnologia do Ambiente Construído - ANTAC
2022
|
| Online Access: | http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1678-86212022000200215 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Resumo Este artigo teve como foco a estimativa de propriedades mecânicas essenciais à concepção de estruturas de concreto mediante um modelo confiável de predição da resistência à compressão, à tração e à flexão de concreto reforçado com fibra de aço (CRFA) utilizando redes neurais artificias (RNA), bem como avaliar a influência do teor de fibras nessas propriedades. A pesquisa utilizou um banco de dados com 57 estudos experimentais descritos na literatura, sendo implementado um modelo de rede neural com 12 variáveis de entrada, 1 de saída e 2 camadas ocultas com 16 neurônios. Como resultados, obtiveram-se as seguintes métricas indicadoras da qualidade do ajuste: um erro quadrático médio (MSE) de 22,63, 0,08 e 0,80, e um erro absoluto médio (MAE) de 3,64, 0,24 e 0,74 respectivamente para as resistências à compressão, à tração e à flexão. A análise da sensibilidade evidenciou que houve aumento considerável nas resistências à tração e à flexão com uso de fibras, o que é esperado. Os resultados confirmaram a capacidade de o modelo reproduzir de forma confiável as propriedades mecânicas do CRFA. |
|---|