Avaliação Teórica do Comportamento à Torção de Lajes de Betão Armado

Neste trabalho é feita uma avaliação teórica do comportamento à torção de lajes de Betão Armado (BA). Em virtude dos resultados obtidos em ensaios experimentais, sabe-se que a curva que define a resistência à torção de lajes de BA é constituída por três fases distintas: A fase linear elástica, não fissurada; a fase não linear, de desenvolvimento de fissuras até se atingir a cedência e por último, a fase de plastificação das armaduras até se atingir a rotura no ponto de carga máxima. Um aspecto relevante para a análise da curva momento torsor-rotação unitária T-θ, é a diminuição acentuada da rigidez ao se passar da fase inicial para a segunda fase. Assim, a avaliação consiste na análise de resultados experimentais, de lajes quadradas ensaiadas à torção pura, e na análise de resultados obtidos com modelos numéricos, recorrendo a dois programas computacionais distintos. Com o objectivo de caracterizar o comportamento genérico de lajes de BA sujeitas à torção, são feitos testes paramétricos, a nível numérico, relativos à geometria, às características do betão e às características do aço, constituintes das lajes. Os resultados obtidos são confrontados com os experimentais a fim de se chegar a relações que permitam a caracterização de cada uma das fases da curva do comportamento. Por um lado, são propostos parâmetros adimensionais, designados de momentos torsores reduzidos, que reúnem as relações paramétricas e facilitam a obtenção dos momentos torsores nos pontos característicos das curvas. Por outro lado, são propostas equações simples para a obtenção da rotação unitária nos mesmos pontos. Assim se define a pretendida curva genérica do comportamento. É verificada a aplicabilidade e a fiabilidade dos resultados ao serem confrontados com os exemplos experimentais disponíveis. Os resultados obtidos são analisados e discutidos. Apresentam-se também as principais conclusões a que se chegaram bem como as sugestões para a continuação do desenvolvimento deste tema no futuro.

Protótipo de testes para aprendizagem com classificadores múltiplos

Os classificadores múltiplos são processos que utilizam um conjunto de modelos, cada um deles obtido pela aplicação de um processo de aprendizagem para um problema dado. Combinam vários classificadores individuais, em que para cada um deles são utilizados dados de treino para gerar limites de decisão diferentes. As decisões produzidas pelos classificadores individuais contém erros, que são combinados pelos classificadores múltiplos de forma a reduzir o erro total. Estes têm vindo a ganhar uma crescente importância devido principalmente ao facto de permitirem obter um melhor desempenho quando comparado com o obtido por qualquer um dos modelos que o compõem, principalmente quando as correlações entre os erros cometidos pelos modelos de base são baixos. A investigação nesta área tem crescido, tornando-se uma área de investigação importante. No entanto, para que o desempenho seja melhor do que o desempenho obtido por cada classificador individualmente, é necessário que cada um deles produza uma decisão diferente originando uma diversidade de classificação. Esta diversidade pode ser obtida tanto pela utilização de diferentes conjuntos de dados para o treino individual de cada classificador, como também pela utilização de diferentes parâmetros de formação de diferentes classificadores. Apesar disso, a utilização de classificadores múltiplos para aplicações no mundo real pode apresentar-se como dispendiosa e morosa. Tem-se notado nos dias de hoje que o desenvolvimento web tem vindo a crescer exponencialmente, assim como o uso de bases de dados. Desta forma, combinando a forte utilização da linguagem R para cálculos estatísticos com a crescente utilização das tecnologias web, foi implementado um protótipo que facilitasse a utilização dos classificadores múltiplos, mais precisamente, foi desenvolvida uma aplicação web que permitisse o teste para aprendizagem com classificadores múltiplos, sendo utilizadas as tecnologias PHP, R e MySQL. Com esta aplicação pretende-se que seja possível testar algoritmos independentes do software em que estejam desenvolvidos, não sendo necessariamente escritos em R. Nesta Dissertação foi utilizada a expressão “classificadores múltiplos” por ser a mais comum, apesar de ser redutora e existirem outros termos mais genéricos como por exemplo modelos múltiplos e ensemble learning.