Utilize este identificador para referenciar este registo:
https://hdl.handle.net/1822/21450
Título: | Avaliação da estabilidade de taludes. Desempenho das redes neuronais versus máquinas de vectores de suporte |
Outro(s) título(s): | Slope stability evaluation. Performance of neural networks versus support vector machines |
Autor(es): | Martins, Francisco F. Miranda, Tiago F. S. |
Palavras-chave: | Estabilidade de taludes Data Mining Redes neuronais artificiais Máquinas de vetores de suporte |
Data: | Abr-2012 |
Editora: | Spg |
Resumo(s): | Neste trabalho são comparados os desempenhos das Redes Neuronais Artificiais (RNA) com as Máquinas de Vetores de Suporte (MVS) na avaliação da estabilidade de taludes. Para isso foi gerada uma base de dados contendo os fatores de segurança (FS) calculados para 501 taludes homogéneos bem como as suas características geométricas e geotécnicas. Os fatores de segurança foram obtidos usando o método de Bishop modificado e o software SLOPE/W. Nas análises efetuadas foi usada a biblioteca RMiner no ambiente R para facilitar o uso deste nas tarefas de classificação e regressão. Para usar aquela tarefa as bases de dados foram ajustadas substituindo o fator de segurança dos taludes por “estável” quando FS é maior ou igual à unidade e “instável” quando FS é menor que 1. Constata-se que tanto as RNA como as MVS apresentam bons desempenhos nas tarefas de regressão e de classificação. No entanto, são as MVS que apresentam os melhores desempenhos nas duas tarefas. This work compares the performances of the Artificial Neural Networks (ANN) with the Support Vector Machines (SVM) in the slope stability evaluation. For this purpose a database containing the factors of safety (FS) computed for 501 homogeneous slopes as well as their geometric and geotechnical characteristics was generated. The factors of safety were obtained using the modified Bishop method and the SLOPE/W software. The analyses were performed using the RMiner library in the R environment to facilitate its use in classification and regression tasks. In the classification task the data were adjusted by replacing the FS for “stable” when FS is greater or equal to 1 and “unstable” when FS is lower than 1. Both ANN and SVM presented good performances in regression and classification tasks. Nevertheless, the SVM had better performance in both tasks. |
Tipo: | Artigo em ata de conferência |
URI: | https://hdl.handle.net/1822/21450 |
Arbitragem científica: | yes |
Acesso: | Acesso aberto |
Aparece nas coleções: | C-TAC - Comunicações a Conferências Nacionais |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
13CNG_ Martins&Miranda-artigo.pdf | 158,79 kB | Adobe PDF | Ver/Abrir |