Environmental life cycle assessment of concrete made with fine recycled concrete aggregates

The majority of worldwide structures use concrete as its main material. This happens because concrete is economically feasible, due to its undemanding production technology and case Of use. However, it is widely recognized that concrete production has a strong environmental impact in the planet. Natural aggregates use is one of the most important problems of concrete production nowadays, since they are obtained from limited, and in some countries scarce, resources. In Portugal, although there are enough stone quarries to cover coarse aggregates needs for several more years, Supplies of fine aggregates are becoming scarcer, especially in the northern part of the country. On the other hand, as concrete structures' life cycle comes to an end, an urgent need emerges to establish technically and economically viable solutions for demolition debris, other than for use as road base and quarry fill. This paper presents a partial life cycle assessment (LCA) of concrete made with fine recycled concrete aggregates performed with EcoConcrete tool. EcoConcrete is a tailor-made, interactive, learning and communications tool promoted by the Joint Project Group (JPG) on the LCA of concrete, to qualify and quantify the overall environment impact of concrete products. It consists of an interactive Excel-spreadsheet in which several environmental inputs (material quantities, distances from origin to production Site, production processes) and outputs (material, energy, emissions to air, water, soil or waste) are collected in a life cycle inventory, and are then processed to determine the environmental impact (assessment) of the analysed concrete, in terms of ozone layer depletion, smog or "greenhouse" effect.

Análise funcional comparativa de algoritmos de aprendizagem por reforço

De entre todos os paradigmas de aprendizagem actualmente identificados, a Aprendizagem por Reforço revela-se de especial interesse e aplicabilidade nos inúmeros processos que nos rodeiam: desde a solitária sonda que explora o planeta mais remoto, passando pelo programa especialista que aprende a apoiar a decisão médica pela experiencia adquirida, até ao cão de brincar que faz as delícias da criança interagindo com ela e adaptando-se aos seus gostos, e todo um novo mundo que nos rodeia e apela crescentemente a que façamos mais e melhor nesta área. Desde o aparecimento do conceito de aprendizagem por reforço, diferentes métodos tem sido propostos para a sua concretização, cada um deles abordando aspectos específicos. Duas vertentes distintas, mas complementares entre si, apresentam-se como características chave do processo de aprendizagem por reforço: a obtenção de experiência através da exploração do espaço de estados e o aproveitamento do conhecimento obtido através dessa mesma experiência. Esta dissertação propõe-se seleccionar alguns dos métodos propostos mais promissores de ambas as vertentes de exploração e aproveitamento, efectuar uma implementação de cada um destes sobre uma plataforma modular que permita a simulação do uso de agentes inteligentes e, através da sua aplicação na resolução de diferentes configurações de ambientes padrão, gerar estatísticas funcionais que permitam inferir conclusões que retractem entre outros aspectos a sua eficiência e eficácia comparativas em condições específicas.

Tradição em transformação: representações sociais de tradição em associações culturais

Dissertação conducente à obtenção do grau de Mestre em Educação Social e Intervenção Comunitária

Avaliação da rentabilidade económica dos sistemas de microgeração fotovoltaica em Portugal (1990-2010)

Dissertação para a obtenção do grau de Mestre em Engenharia Electrotécnica - ramo de Energia

Projecto de AVAC de um edifício com multiutilização

Trabalho Final de Mestrado para obtenção do grau de Mestre em Engenharia Mecânica

Determinantes do comportamento de compra verde em Portugal

Apesar do avanço tecnológico, uma grande maioria dos consumidores contínua a utilizar excessivamente os recursos naturais não renováveis do planeta, resultado de um consumo exagerado e inconsciente. Atualmente, os consumidores possuem mais informação sobre as questões ambientais e, alguns, refletem esse conhecimento nas suas decisões de compra. Com a crescente preocupação e atenção, quer por parte da população, quer por parte das organizações governamentais e empresas, para com o meio ambiente e a sua preservação, as questões ecológicas têm cada vez mais importância nas estratégias das empresas. Na presente investigação é analisado o comportamento de compra verde com a utilização das variáveis sociodemográficas (género, idade, número de filhos, rendimento e habilitações literárias) e psicográficas (conhecimento ecológico, coletivismo e individualismo), indo ao encontro do objetivo geral de investigação que visa compreender qual a relevância destas variáveis face ao comportamento de compra verde. O estudo desenvolvido é operacionalizado por via de um método quantitativo, através da utilização de um inquérito por questionário com base nas escalas do conhecimento ecológico (Laroche et al., 2001), coletivismo e individualismo (Singelis et al., 1995 e Triandis & Gelfand (1998)) e do comportamento de compra verde (Jain & Kaur, 2004). O questionário foi aplicado a uma amostra de conveniência (N=350), dando origem a uma análise quantitativa face aos dados obtidos. Os resultados indicam que as variáveis psicográficas exercem maior influência no comportamento de compra verde do que as variáveis sociodemográficas. As variáveis psicográficas, conhecimento ecológico e coletivismo, têm uma grande influência no comportamento de compra verde, ao contrário do individualismo. Por seu lado, do conjunto das variáveis sociodemográficas, apenas a idade e o número de filhos influenciam significativamente o comportamento de compra verde.

Climatização passiva em edifício de serviços

Dissertação Final de Mestrado para obtenção do grau de Mestre em Engenharia Civil no Ramo de Edificações

Avaliação de empresas: análise fundamental

Mestrado em Contabilidade

Estudo económico-financeiro sobre a implementação de sistemas de uso eficiente da água numa habitação

Trabalho de Projecto de Natureza Científica para obtenção do grau de Mestre em Engenharia Civil

Identificação da combinação ótima das fontes de energia renovável de origem hídrica, eólica e fotovoltaica para a integração no sistema elétrico português

Dissertação para obtenção do grau de Mestre em Engenharia Electrotécnica Ramo de Energia

Uso eficiente da água num edifício de habitação

Trabalho Final de Mestrado para obtenção do grau de Mestre em Engenharia Civil

Linux based mobile: operating systems

Trabalho de Projeto para obtenção do grau de Mestre em Engenharia Informática e de Computadores

Reactores a tório: o futuro da energia nuclear de fissão

Dissertação para a obtenção do grau de mestre em Engenharia Electrotécnica Ramo de Energia

Hyperspectral signal subspace estimation

Given an hyperspectral image, the determination of the number of endmembers and the subspace where they live without any prior knowledge is crucial to the success of hyperspectral image analysis. This paper introduces a new minimum mean squared error based approach to infer the signal subspace in hyperspectral imagery. The method, termed hyperspectral signal identification by minimum error (HySime), is eigendecomposition based and it does not depend on any tuning parameters. It first estimates the signal and noise correlation matrices and then selects the subset of eigenvalues that best represents the signal subspace in the least squared error sense. The effectiveness of the proposed method is illustrated using simulated data based on U.S.G.S. laboratory spectra and real hyperspectral data collected by the AVIRIS sensor over Cuprite, Nevada.

Hyperspectral unmixing algorithm via dependent component analysis

This paper introduces a new method to blindly unmix hyperspectral data, termed dependent component analysis (DECA). This method decomposes a hyperspectral images into a collection of reflectance (or radiance) spectra of the materials present in the scene (endmember signatures) and the corresponding abundance fractions at each pixel. DECA assumes that each pixel is a linear mixture of the endmembers signatures weighted by the correspondent abundance fractions. These abudances are modeled as mixtures of Dirichlet densities, thus enforcing the constraints on abundance fractions imposed by the acquisition process, namely non-negativity and constant sum. The mixing matrix is inferred by a generalized expectation-maximization (GEM) type algorithm. This method overcomes the limitations of unmixing methods based on Independent Component Analysis (ICA) and on geometrical based approaches. The effectiveness of the proposed method is illustrated using simulated data based on U.S.G.S. laboratory spectra and real hyperspectral data collected by the AVIRIS sensor over Cuprite, Nevada.