| Summary: | Esta tese apresenta o estudo para utilização de Redes Neurais Artificiais para avaliar o estado do pavimento e apoiar as decisões dentro de um Sistema de Gerência de Pavimentos. É apresentado um método para a avaliação da condição em pavimentos flexíveis, utilizando redes neurais MLP backpropagation. Neste caso para a extração das características dos pavimentos são utilizados dois métodos muito empregados pelos órgãos rodoviários: o \"Índice de Gravidade Global\" e a \"irregularidade\". Os experimentos demonstraram que as redes neurais simulam satisfatoriamente o estado dos pavimentos. Para se verificar a possibilidade de utilização em outros problemas, o processo foi empregado para o projeto de restauração de pavimentos flexíveis. Foi utilizada a DNER-PRO 159/85 para a extração das características dos pavimentos. Os experimentos demonstraram que as redes neurais também simulam convenientemente as características do pavimento. Como exemplo de ferramenta de apoio à gerência foi desenvolvido um protótipo computacional em ambiente gráfico, onde o critério de decisão baseia-se nas redes neurais estudadas. São descritas todas as suas funções e forma de funcionamento. === A study of artificial neural networks for evaluating the pavement condition and for supporting decisions within a Pavement Management System is presented. The method for condition evaluation of flexible pavements using the MLP backpropagation technique is described. Two of the most used procedures for detecting the pavement conditions were applied: the \"overall severity index\" (Brazilian IGG) and the \"irregularity index\". The experiments demonstrated that the neural networks satisfactorily simulated the state of the pavement. In order to test the applications in other problems, the method was used for pavement overlay design through neural network, using the same MLP backpropagation technique. For detecting the pavement conditions the DNER-PRO 159/85 was applied. Tests with the model also demonstrated that the neural networks appropriately simulate the pavement characteristics. A computational prototype developed in a graphical computer environment, where the decision criteria are based on the neural networks studied, is presented as an example. All the functions and working details of such prototype are described.
|
|---|
