This research proposes the development of a method of localization and prediction of AASHTO soil classification that can contribute to the decision-making process in projects for low-traffic-volume roads in the metropolitan area of Fortaleza, Ceará, Brazil. Geoprocessing and artificial neural networks were used as modeling techniques, and biophysical and spatial variables were used to explain the modeled phenomenon. The characteristics investigated (pedology, geology, geomorphology, vegetation, altimetry, and position) were correlated with the AASHTO classification. The soil AASHTO classification data were taken from projects and preexisting studies and totaled 876 points. In the development of this geotechnical estimates generation model, artificial neural network topologies were calibrated, validated, and tested so as to find a model that could best fit the set of tests. The model had an accuracy rate of 92.6% for the generation of estimates of AASHTO soil classification in the Fortaleza region, on the basis of the biophysical variables studied. The tested model was used to construct neural geotechnical maps that can be used to predict the AASHTO classification of soils not yet characterized in the lab and to predict the type of subgrade of a region not yet explored. Results show that the artificial neural networks technique is promising for geotechnical studies of low-traffic-volume roads.
Este artigo apresenta uma metodologia de baixo custo para previsão e mapeamento dos valores de CBR (California Bearing Ratio) dos solos nas energias de compactação normal (CBR-N) e intermediária (CBR-I), que possa contribuir para o processo da tomada de decisão, quanto ao seu uso para fins de pavimentação. Utilizou-se Geoprocessamento e Redes Neurais Artificiais (RNA) como técnicas de modelagem, bem como variáveis biofísicas e espaciais para explicar o fenômeno modelado. As características pesquisadas (pedologia, geologia, geomorfologia, vegetação, altimetria e posição) se correlacionaram com os valores de CBR dos solos nas duas energias de compactação. Os dados de CBR foram extraídos de projetos e estudos pré-existentes na área escolhida, neste caso, a Região Metropolitana de Fortaleza (RMF). Dessa forma, calibraram-se, validaram-se e testaram-se diversos modelos em RNA até encontrar os dois modelos de melhor ajuste para a geração de estimativas de CBR-N e CBR-I. As características geotécnicas estimadas por esses modelos possibilitaram a elaboração de dois Mapas Geotécnicos Neurais estratificados para previsão dos valores de CBR-N e CBR-I. Os resultados mostram claramente que a técnica de Redes Neurais Artificiais é promissora, tanto para estimar as propriedades mecânicas dos solos quanto para prever sua ocorrência e localização na área estudada.
Os impactos causados por desastres naturais podem ser minimizados ao identificar populações em situação de vulnerabilidade. Para contribuir com o planejamento territorial e reduzir tais impactos, este trabalho analisa metodologias para identificação espacial da vulnerabilidade socioambiental. Foi estudada a bacia do rio Mané Dendê, em Salvador, caracterizada pelo alto adensamento populacional e concentração da população de baixa renda, com ocorrências de ocupações irregulares. Para a geração dos produtos foram utilizadas técnicas de geoprocessamento, identificando espacialmente as áreas de risco e as populações em situação de vulnerabilidade e representá-las graficamente, obtendo mapas temáticos como resultado. O mapa de vulnerabilidade ambiental foi gerado ao identificar áreas de risco de deslizamento de terra e inundação. Foi determinado um Índice de Vulnerabilidade Social baseado no censo demográfico do IBGE, gerando o mapa de vulnerabilidade social. O mapa de vulnerabilidade socioambiental foi gerado por álgebra de mapas. A metodologia de obtenção da vulnerabilidade social foi considerada satisfatória e segue os padrões adotados em trabalhos aplicados no Brasil e internacionalmente. É recomendado que seja feita uma análise dos critérios de vulnerabilidade ambiental, para que o resultado possa representar uma ferramenta mais segura para a tomada de decisão. Social-Environmental Vulnerability Diagnosis in Urban Areas Using Geomatics A B S T R A C TThe impacts caused by natural disasters can be minimized by identifying populations in situations of social vulnerability. Aiming to contribute with land-use planning and to reduce such impacts caused by these natural disasters in urban centers, this project proposes a methodology to for spatial identification of social and environmental vulnerability. The method was applied in Mané Dendê River’s basin, at Salvador, Bahia. This study area is characterized by its high population density and great concentration of low income population, with high occurrence of irregular settlements. It was used geoprocessing techniques to identify the areas and the population that are vulnerable and graphically represent them through the generation of thematic maps. The environmental vulnerability map was generated through identifying the areas with risk of landslide and floods. It was determined a Social Vulnerability Index based on the 2010 census database published by the Brazilian Institute of Geography and Statistics. Then, it was generated the social vulnerability map. The social and environmental vulnerability map was made by applying the map algebra technique. The social vulnerability method was considered satisfactory once it follows the pattern adopted by similar works, applied in Brazil and around the world. However, it is recommended for future works a deeper analysis of the criteria used to obtain the environmental vulnerabilitymap so that the final result will be able to represent a reliable tool for the decision making in the scope of territorial management planning.Keywords: geoprocessing, zoning, social vulnerability, environmental vulnerability.
RESUMO: Este artigo propõe uma metodologia para geração e implementação de um banco de dados digital, georreferenciado, que facilite o armazenamento, visualização e consulta de parâmetros e informações de interesse à pavimentação. O objetivo principal desta investigação é conceber um método eficiente e de fácil replicação, para extrair informações geotécnicas de projetos e “as built” de obras rodoviárias, e com essas informações, popular um banco de dados para auxiliar no reconhecimento prévio das características geotécnicas dos subleitos ocorrentes numa determinada região. Uma das características do banco de dados proposto é a possibilidade de sua conexão aos Sistemas de Informações Geográficas (SIG), a partir da introdução da espacialidade nas informações e parâmetros armazenados, viabilizando a integração dos dados geotécnicos com informações georreferenciadas de infraestrutura, antrópicas, biofísicas, entre outras. Os resultados obtidos foram significativos, dada a possibilidade da geração de mapas temáticos e análises espaciais, em razão do banco geotécnico de dados criado. ABSTRACT: This article proposes a methodology for generation and implementation of a spatial digital database, that makes it easier to store, view and query information and parameters of physical, biotic and anthropic environment of interest to the pavement. The aim of this research objective is to design an efficient and easy replication method, to extract geotechnical information from road projects already built, and enter this information in the database to aid in early recognition of the geotechnical characteristics of the sub grade occurring in a region. A feature of the proposed database is the ability to connect to Geographic Information Systems (GIS), from the introduction of the spatial information of the stored parameters, this feature enables the integration of geotechnical data to infrastructure, anthropogenic, biophysical georeferenced information. The results were significant, considering the generation of thematic maps and spatial analysis, supported by geotechnical database created.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.