Avaliação dos parâmetros que influenciam a sensibilidade à água de misturas betuminosas com recurso a técnicas de Data Mining

Abstract

Aos diferentes tipos de misturas betuminosas, aplicadas nas camadas de desgaste, de ligação e, por vezes, de base dos pavimentos flexíveis, é exigida uma série de características, fundamentais para garantir a qualidade estrutural e funcional dos pavimentos. A sensibilidade das misturas à ação erosiva da água afeta a durabilidade dos pavimentos e está dependente de vários parâmetros afetos ao agregado, ao betume e aos processos de produção e aplicação. O principal objetivo deste trabalho consiste na obtenção de um modelo de previsão de resultados do índice de resistência conservada por tração indireta (ITSR – Indirect Tensile Strength Ratio) de uma mistura betuminosa, de acordo com a sua composição e com a variação dos parâmetros que afetam estes resultados, referindo a importância relativa de cada um. Para o desenvolvimento deste modelo foram recolhidos e tratados os dados relativos a 15 parâmetros de 167 misturas diferentes. Construída a base de dados, iniciou-se um processo de modelação denominado Data Mining (DM). Este processo ocorreu em ambiente R, auxiliado pela biblioteca rminer para a aplicação das técnicas de DM: Árvores de Regressão (AR), Regressões Múltiplas (RM), Redes Neuronais Artificiais (RNA), Máquinas Vetores de Suporte (MVS) e k-Vizinhos Próximos (k-VP). Os modelos desenvolvidos foram sujeitos a um processo de auto validação do tipo K-FOLD, e o seu desempenho foi avaliado através das métricas de erro: Desvio Absoluto médio (DAM), Raiz do Erro Quadrático Médio (REQM) e o coeficiente de correlação de Pearson (R). A análise foi realizada para misturas betuminosas em geral e para misturas betuminosas a quente. Para ambas as abordagens, e tendo em conta as medidas de desempenho referidas, o melhor modelo de previsão do valor de ITSR é obtido com as MVS, técnica que aponta o tipo de agregado e a percentagem de betume como parâmetros que mais influenciam este resultado.

The different types of asphalt mixtures, applied in surface, binder and base courses of flexible pavements, require a series of characteristics that are fundamental to guarantee the structural and functional quality of the pavements. The sensitivity of the mixtures to the erosive action of water affects the durability of the pavements depends on several parameters related to the aggregate, the bitumen and the production and application processes. The main objective of this work is to obtain a predictive model of the Indirect Tensile Strength Ratio (ITSR) of an asphalt mixture, according to its composition and to the variation of the parameters that affect these results, while assessing their relative importance. For the development of this model, the data concerning 15 parameters of 167 different mixtures were collected and processed. Once the database was built, a modelling process called Data Mining (DM) was started. This process was performed in the R environment, assisted by the rminer library for the application of DM techniques: Regression Trees (RT), Multiple Regressions (MR), Artificial Neural Networks (ANN), Support Vector Machines (SVM) and k-Nearest Neighbours (k-NN). The developed models were subjected to a k-Fold crossvalidation process, and their performance was evaluated through the error metrics: Mean Absolute Deviation (MAD), Root Mean Square Error (RMSE) and Pearson correlation coefficient (R). The analysis was performed for asphalt mixtures in general and for hot mix asphalts. For both approaches, and taking into account the mentioned performance metrics, the best predictive model of the ITSR value is obtained with the MVS, technique that indicates the type of aggregate and the percentage of bitumen as parameters that most influence this result.