Publicação
Modelos de previsão do ruído pneu-pavimento
| Resumo: | Os modelos de previsão do ruído pneu-pavimento são uma ferramenta que, aplicada na fase de concepção e de formulação das misturas, indicam o desempenho da mistura em função de diversas variáveis relacionadas com a superfície e os pneus. Neste trabalho faz-se uma abordagem inovadora com a utilização de técnicas Data Mining na modelação do ruído obtido pelo método CPX em função da textura, da absorção sonora e do amortecimento das camadas superficiais dos pavimentos e de outras variáveis como a velocidade e a temperatura do ar. Na totalidade foram consideradas 17 variáveis e testados 4 modelos, sendo que o modelo MLPE (multilayer perceptron ensemble) que utiliza redes neuronais é o que se ajusta melhor aos dados. A análise da importância relativa das variáveis mostra que a velocidade é preponderante no modelo e que o amortecimento (indicador da capacidade de uma estrutura dissipar energia) tem uma importância muito superior à das restantes variáveis que estão relacionadas com a textura. Estes resultados abrem perspetivas no sentido da integração de novos materiais e de novas técnicas construtivas nas camadas superficiais dos pavimentos. |
|---|---|
| Autores principais: | Freitas, Elisabete F. |
| Outros Autores: | Freitas, Carina |
| Assunto: | Ruído pneu-pavimento Modelação Data mining CPX |
| Ano: | 2012 |
| País: | Portugal |
| Tipo de documento: | comunicação em conferência |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade do Minho |
| Idioma: | português |
| Origem: | RepositóriUM - Universidade do Minho |
| Resumo: | Os modelos de previsão do ruído pneu-pavimento são uma ferramenta que, aplicada na fase de concepção e de formulação das misturas, indicam o desempenho da mistura em função de diversas variáveis relacionadas com a superfície e os pneus. Neste trabalho faz-se uma abordagem inovadora com a utilização de técnicas Data Mining na modelação do ruído obtido pelo método CPX em função da textura, da absorção sonora e do amortecimento das camadas superficiais dos pavimentos e de outras variáveis como a velocidade e a temperatura do ar. Na totalidade foram consideradas 17 variáveis e testados 4 modelos, sendo que o modelo MLPE (multilayer perceptron ensemble) que utiliza redes neuronais é o que se ajusta melhor aos dados. A análise da importância relativa das variáveis mostra que a velocidade é preponderante no modelo e que o amortecimento (indicador da capacidade de uma estrutura dissipar energia) tem uma importância muito superior à das restantes variáveis que estão relacionadas com a textura. Estes resultados abrem perspetivas no sentido da integração de novos materiais e de novas técnicas construtivas nas camadas superficiais dos pavimentos. |
|---|