Cartografia de zonamento geotécnico em frentes de escavação de maciços rochosos heterogéneos (túnel do Marão): aplicação da classificação geomecânica GSI|2013

Este estudo pretende discutir a validade da aplicação da mais recente versão do “GSI – Geological Strength Index” (Hoek et al., 2013) em maciços rochosos heterogéneos por aplicação num projecto de obra subterrânea em execução. O estudo envolveu a caracterização geológicageotécnica nas duas frentes de escavação da frente “Poente” da empreitada de construção do Túnel do Marão (N de Portugal) tendo sido cartografados 305 metros no conjunto das duas frentes em 74 avanços consecutivos. Para esta caracterização foram coligidos e uniformizados dados geológicos, geotécnicos e geomecânicos relativos aos levantamentos realizados a cada avanço. A técnica da amostragem linear foi aplicada para a cartografia das descontinuidades que permitiu estabelecer o grau de compartimentação do maciço rochoso. Além disso, procedeu‐se a um tratamento estatístico das descontinuidades, bem como dos parâmetros geológico‐geotécnicos e geomecânicos associados. Os zonamentos geotécnicos e geomecânicos das secções em análise foram realizados sempre em estreita ligação com o conhecimento das características do maciço in situ. Procurou‐se estabelecer termos de comparação entre a versão do GSI|2013 e as versões anteriores (GSI|98, GSI|2001) por aplicação para os avanços cartografados. Pretende‐se que este trabalho contribua para um maior conhecimento da mais recente versão do “Geological Strength Index” (2013) para a sua aplicabilidade em projectos de geoengenharia.

Classificação de sons urbanos usando motifs e MFCC

A classificação automática de sons urbanos é importante para o monitoramento ambiental. Este trabalho apresenta uma nova metodologia para classificar sons urbanos, que se baseia na descoberta de padrões frequentes (motifs) nos sinais sonoros e utiliza-los como atributos para a classificação. Para extrair os motifs é utilizado um método de descoberta multi-resolução baseada em SAX. Para a classificação são usadas árvores de decisão e SVMs. Esta nova metodologia é comparada com outra bastante utilizada baseada em MFCC. Para a realização de experiências foi utilizado o dataset UrbanSound disponível publicamente. Realizadas as experiências, foi possível concluir que os atributos motif são melhores que os MFCC a discriminar sons com timbres semelhantes e que os melhores resultados são conseguidos com ambos os tipos de atributos combinados. Neste trabalho foi também desenvolvida uma aplicação móvel para Android que permite utilizar os métodos de classificação desenvolvidos num contexto de vida real e expandir o dataset.

Classificação dos créditos sobre a insolvência – Os créditos subordinados

Dissertação de Mestrado em Solicitaria