Study of retroanalysis of asphaltic pavements resilience modules with the use of artificial neural networks

Alcidney Batista Celeste, Francisco Heber Lacerda de Oliveira

Resumo


O conhecimento dos Módulos de Resiliência (MR) de pavimentos é elemento importante para a avaliação estrutural das infraestruturas existentes. Uma maneira de determiná-los é através de ensaios dinâmicos de carga repetida, em laboratório; outra forma, é utilizar a técnica de retroanálise, que consiste na obtenção dos MR a partir das espessuras das camadas e das deflexões medidas na superfície do pavimento. Nesse sentido, este artigo tem o objetivo de apresentar a retroanálise dos MR através da técnica de Redes Neurais Artificiais (RNA) como alternativa à retroanálise tradicional. Os resultados demonstraram que as RNA conseguem prever os MR com resultados de coeficientes de determinação (R2) acima de 99,9% entre os valores de referência e previstos. Desse modo, as RNA se apresentam como uma alternativa em potencial para a obtenção dessa importante propriedade mecânica dos materiais para pavimentação frente aos métodos tradicionais. 


Palavras-chave


Pavimentos asfálticos, Módulo de resiliência, Retroanálise, Redes Neurais Artificiais.

Texto completo:

PDF (English)

Referências


Albernaz, C. A. V. (1997) Simplified Method of Retrofitting Flexible Pavement Resilience Modules from the Deflection Basin. Mas-ter's Thesis, Coppe – The Alberto Luiz Coimbra Institute for Graduate Studies and Research in Engineering, Federal Uni-versity of Rio de Janeiro, Rio de Janeiro.

Albernaz, C. A. V.; L. M. G. Motta and J. Medina (1995) Retroanalysis: A Useful Tool in Structural Pavement Evalua-tion. Proceedings of the 29th Annual Paving Meeting. Cuiabá, v. 1, p. 399 - 417.

Bernucci, L. B.; L. M. G. Motta; J. A. P. Ceratti and J. B. Soares (2006) Asphalt Paving: basic training for engineers. 1st ed. Petro-bras: Abeda, Rio de Janeiro.

Coutinho Neto, B. (2000) Artificial neural networks as a procedure for flexible pavement retroanalysis. Master's Thesis. São Carlos School of Engineering. University of Sao Paulo, Sao Carlos. Available in: https://www.teses.usp.br/teses/disponiveis/18/18137/tde-01022018-122501/pt-br.php (access in 23/12/2019).

Franco, F. A. C. P. (2007) Method of Mechanical-Empirical Dimensioning of Asphalt Pavements - SisPav. Doctoral Thesis. Coppe – The Alberto Luiz Coimbra Institute for Graduate Studies and Research in Engineering, Federal University of Rio de Janei-ro, Rio de Janeiro. Available in: http://www.coc.ufrj.br/pt/teses-de-doutorado/151-2007/1107-filipe-augusto-cinque-de-proenca-franco (access in 23/12/2019).

Godoy, W. F.; I. N. Silva; W. S. Gongora; A. Goedtel and R. H. C. Palaces (2013) Failure Classification in Three-Phase Induction Motor Bearings using Artificial Neural Networks. Proceedings of the XI Brazilian Symposium on Intelligent Automation, For-taleza. Available in: http://www.sbai2013.ufc.br/pdfs/4788.pdf (access in 23/12/2019).

Hagan, M.T. and M. B. Menhaj (1994) Training Feedforward Networks with the Marquardt Algorithm. IEEE Transactions on Neural Networks, v. 5, n. 6, p. 989 - 993. DOI: 10.1109/72.329697.

Haykin, S. (2001). Neural Networks: Principles and Practices. 2nd edition. Bookman, Porto Alegre.

Macedo, F. N. (2003) Retroanalysis of real and theoretical deflection basins obtained by static and dynamic methods. Master's Thesis. University of Brasília, Brasília, DF.

Nóbrega, E. S. (2003) Comparison Between Asphalt Pavement Retroanalysis Method. Master's Thesis. Coppe – The Alberto Luiz Coimbra Institute for Graduate Studies and Research in Engineering, Federal University of Rio de Janeiro, Rio de Janeiro. Available in:

http://www.coc.ufrj.br/pt/dissertacoes-de-mestrado/103-msc-pt-2003/1835-eduardo-suassuna-nobrega (access in 23/12/2019).

Ribeiro, A. J. A. (2016) A prediction model of resilient modulus of soils in the state of Ceará for the purpose of paving. Doctoral Dissertation, Federal University of Ceará, Fortaleza. Available in: http://www.repositorio.ufc.br/handle/riufc/18958 (access in 23/12/2019).

Rocha Filho, N. R. and R. M. Rodrigues (1996) Structural Evaluation of Pavements through Deflectometric Surveys. Proceedings of the

th Annual Paving Meeting. Salvador, v. 3, p. 1119 - 1146.

Rosenblatt, F. (1958). The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain. Physiological Reviews, v. 65 (3), p. 386-408. DOI: 10.1037/h0042519.

Silva, I. N.; D. H. Spatti and R. A. Flauzino (2010) Artificial neural networks for engineering and applied sciences, Artliber, 1st edition, São Paulo, SP.

Zanetti, F. S. (2008) The Use of Artificial Neural Networks as a Tool to Assist in Determining the Life of Flexible Pavements. Master's Thesis. São Carlos School of Engineering. University of São Paulo, São Carlos, SP. Available in: https://teses.usp.br/teses/disponiveis/18/18143/tde-28042009-091916/en.php (access in 23/12/2019).




DOI: https://doi.org/10.14295/transportes.v27i4.1781

Métricas do artigo

Carregando Métricas ...

Metrics powered by PLOS ALM


Direitos autorais 2019 Alcidney Batista Celeste, Francisco Heber Lacerda de Oliveira

Licença Creative Commons
Esta obra está licenciada sob uma licença Creative Commons Atribuição 4.0 Internacional.

TRANSPORTES (ISSN: 2237-1346) é uma publicação da ANPET - Associação Nacional de Pesquisa e Ensino em Transportes (www.anpet.org.br)

 

Licença Creative Commons

Este obra está licenciado com uma Licença Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0 Internacional.