Lavinicki, Breno de Melo2024-11-112024-11-112024https://dspace.unila.edu.br/handle/123456789/8663Dissertação apresentada ao Programa de Pós-Graduação em Engenharia Civil da Universidade Federal da Integração Latino-Americana, como parte integrante dos requisitos para obtenção do título de Mestre em Engenharia Civil.processo de carbonatação desempenha um papel muito importante no que se refere a vida útil de estruturas de concreto armado. Desenvolver modelos eficientes para prever a profundidade de carbonatação ao longo do ciclo de vida das estruturas tem sido objeto de investigação e exige profunda compreensão das diversas variáveis que influenciam o processo. Diante disso, neste estudo, avalia-se o emprego de técnicas ensemble de aprendizagem, do tipo Stacking, baseado no acoplamento de predições obtidas via aprendizado de máquina, para a estimativa da profundidade da carbonatação do concreto. As modelagens foram realizadas considerando um banco de dados com 1021 dados de medições de profundidade de carbonatação em concretos expostos a ambientes de degradação natural. Foram utilizadas dez variáveis, relacionadas à composição da estrutura de concreto e às interferências do ambiente de exposição ao fenômeno da carbonatação. Ao todo 120 modelos individuais de redes neurais artificiais foram definidos e treinados, selecionando os cinco mais eficientes. O desempenho dos modelos foi avaliado utilizando o coeficiente de determinação (R²) ponderado, que combina o R² de teste e o R² de treinamento. Para o modelo ensemble, foram consideradas como entradas, as predições dos cinco modelos de RNAs com melhores performances. A abordagem ensemble do tipo Stacking resultou em uma melhoria de 9% no desempenho de generalização em comparação com o melhor modelo individual de RNAs, demonstrando um aprimoramento de 14% na precisão em relação aos modelos individuais. O modelo Ensemble com melhor performance, é capaz de prever a profundidade de carbonatação com um erro médio de 1,17 mm, com coeficiente de determinação de 0,92. Na análise de aplicabilidade, em um teste feito com dados desconhecidos na fase de geração do modelo, observou-se que a ferramenta desenvolvida proporcionou uma generalização de 91,4% na predição da profundidade de carbonatação do concreto. Por fim, uma ferramenta computacional com interface gráfica foi desenvolvida e está disponível no site do grupo de pesquisa DASMAE (www.dasmae.com), com o objetivo de fomentar os desenvolvimentos do grupo e facilitar o emprego do modelo para avaliações práticas de durabilidade, auxiliando engenheiros e projetistas na tomada de decisões acerca do desenvolvimento de projetos com maior vida útil, segurança e sustentabilidade.viopenAccessconcretoprojetoredes neurais artificiaisEnsemblecarbonatação.