Utilização de técnicas soft computing para identificação de propriedades mecânicas de betão leve

Abstract

O betão leve é um material cuja utilização no campo da engenharia civil apresenta várias vantagens, como por exemplo, a sua baixa densidade, permitindo o desenvolvimento de estruturas mais esbeltas. Contudo, é ainda um material cujas propriedades apresentam um excessivo grau de incerteza. Este facto revela-se de maior importância para as construtoras quando pretendem produzir betão leve com determinadas características. Fruto dessa necessidade este material tem vindo a ser profundamente estudado em diversas instituições tal como a Universidade do Minho. Nesse sentido diferentes ensaios mecânicos, químicos e de durabilidade foram desenvolvidos. Adicionalmente, as expressões dos atuais códigos modelo continuam a apresentar algum erro pois verifica-se que, e ao contrário do betão normal, as propriedades reais se afastam das previstas. Com a presente dissertação pretende-se aprofundar o estudo do material betão leve e das atuais leis, presentes no Eurocódigo, que servem para estimação dos seus parâmetros. Nesse sentido, e com base num vasto conjunto de ensaios realizados pela Universidade do Minho, são aplicadas técnicas soft computing para avaliação dos parâmetros mecânicos que, derivam desse conjunto de ensaios. As técnicas soft computing aplicadas são as Redes Neuronais Artificiais, Arvores de Regressão e k-Vizinhos Mais Próximos. Com base nestas técnicas soft computing é efetuado o desenvolvimento de modelos de previsão que permitem estimar as propriedades do betão leve de acordo com a quantidade dos seus componentes iniciais. Comparam-se os modelos desenvolvidos pelas diferentes técnicas soft computing e, através da avaliação do desempenho de cada um, é identificado o melhor. Posteriormente, com base na informação de misturas de referência, é realizada uma análise aos parâmetros estimados pelas leis presentes no Eurocódigo e pelo melhor modelo. Palavras-Chave: betão leve, soft computing, redes neuronais artificiais, árvores de regressão, k-vizinhos mais próximos.

Lightweight concrete is a material often used in civil engineering. It presents a lower density than normal weight concrete, which allows the development of sender structures. However, its properties have an excessive level of uncertainty. This is important to constructors when they want to produce lightweight concrete with specific characteristics. This dissertation intends to study lightweight concrete and the laws presented in the Eurocode to estimate its mechanical properties. The expressions recommended in the current model codes continue to present some error, because unlike normal weight concrete, the actual properties of lightweight concrete deviate from the predicted ones. This material has been studied in several institutions, such as University of Minho. Accordingly, various mechanical, chemical and durability tests were developed. Based on a set of experimental tests carried out at the University of Minho, soft computing techniques are applied to analyse the mechanical parameters of lightweight concrete. The applied soft computing techniques include artificial neural networks, regression trees and k-nearest neighbours. Based on these techniques, predictive models of lightweight concrete properties, according to different amounts of its components, will be developed. A comparison between the models developed by the different soft computing techniques is made, with the objective of identifying the best model. The best model is identified through the assessment of each developed model. Subsequently, based on the information provided by the reference mixtures, an analysis is made based on the parameters estimated by laws presented in the Eurocode and, by the model previously identified as the best.