BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Departamento de Engenharia Civil e Meio Ambiente - ECPv6.8.3//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-ORIGINAL-URL:https://www.civ.puc-rio.br
X-WR-CALDESC:Eventos para Departamento de Engenharia Civil e Meio Ambiente
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:America/Sao_Paulo
BEGIN:STANDARD
TZOFFSETFROM:-0300
TZOFFSETTO:-0300
TZNAME:-03
DTSTART:20240101T000000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20240416T100000
DTEND;TZID=America/Sao_Paulo:20240416T140000
DTSTAMP:20260615T234550
CREATED:20240414T173028Z
LAST-MODIFIED:20240414T173435Z
UID:1338-1713261600-1713276000@www.civ.puc-rio.br
SUMMARY:Defesa de Dissertação de Mestrado: Utilização de Machine Learning na Previsão do Comportamento de Areia em Ensaios de Cisalhamento
DESCRIPTION:COMUNICAÇAO DE DEFESA DE DISSERTAÇÃO DE MESTRADO \nObservados os dispositivos do art. 62 da DELIBERAGAO 001/76\, será defendida no dia 16 de abril de 2024\, às 10h 00min\, em reunião realizada por meios de comunicação remota\, a DISSERTAÇÃO DE MESTRADO intitulada UTILIZAÇÃO DE MACHINE LEARNING NA PREVISÃO DO COMPORTAMENTO DE AREIA EM EN- SAIOS DE CISALHAMENTO do(a) aluno(a) GLEYCE DE SOUZA BAPTISTA\, candi- dato(a) ao grau de Mestre em Engenharia Civil. \nA Comissão Julgadora constituída pela DESIGNAÇÃO Nº 20922/03/2024 é formada pelos seguintes membros: \n\n\n\nN°\nNome\nTitulação\nAfiliação\nObs.\n\n\n1\nMarina Bellaver Corte Doutor\nDoutor / UFRGS\nPUC-Rio\nOrientador(a) e Presidente\n\n\n2\nRaquel Quadros Velloso Doutor\nDoutor / PUC-Rio\nPUC-Rio\n\n\n\n3\nGustavo Vaz de Mello Guimarães\nDoutor / UFRJ\nUFRJ\n\n\n\n4\nAlessandro Cirone\nDoutor / PUC-Rio\nPUC-Rio\nSuplente\n\n\n\n\n\n\n\n\n\n\n\nRESUMO: \nNa geotecnia\, os parâmetros de resistência do solo são essenciais para qualquer projeto. Os ensaios em campo e laboratório\, embora cruciais\, enfrentam limitações práticas e financeiras. Além disso\, métodos tradicionais\, apoiados em relações empíricas ou teóricas\, frequentemente não conseguem abranger a complexidade comportamental do solo. Diante disso\, destaca-se a necessidade de explorar alternativas para superar essas barreiras. Neste contexto\, a inteligência artificial surge como uma abordagem inovadora. Este estudo propõe um modelo preditivo para analisar a curva tensão-deslocamento em ensaios de cisalhamento direto e tensão-deformação em Direct Simple Shear (DSS) em areia. Após coletar e digitalizar dados de diversas fontes acadêmicas\, formou-se uma base experimental robusta para treinar três algoritmos de Machine Learning (ML): Support Vector Regression (SVR)\, Random Forest (RF) e Feedforward Neural Network (FNN). Foram realizadas analises comparativas dos modelos\, com foco particular na avaliação de métricas de desempenho e curvas dos ensaios de validação. O RF destacou-se por sua precisão e confiabilidade. Embora os modelos SVR e FNN tenham demonstrado utilidade\, o RF emergiu como o mais eficaz. Este resultado reforça a viabilidade dos modelos de ML\, particularmente o RF\, como ferramentas valiosas para engenheiros geotécnicos e pesquisadores na previsão do comportamento de materiais granulares\, mesmo com um conjunto de dados limitado. \nLink para a defesa: \nhttps://puc-rio.zoom.us/j/92516653482?pwd=MlJ3UlNteVhlaGZCYStmcjZScFFsQT09\nID da reunião: 925 1665 3482\nSenha: 219720
URL:https://www.civ.puc-rio.br/evento/defesa-de-dissertacao-de-mestrado-utilizacao-de-machine-learning-na-previsao-do-comportamento-de-areia-em-ensaios-de-cisalhamento/
LOCATION:RJ
CATEGORIES:Defesas
ATTACH;FMTTYPE=image/jpeg:https://www.civ.puc-rio.br/wp-content/uploads/2024/04/tese_16-04-24.jpg
END:VEVENT
END:VCALENDAR