Title:	Monitoramento do índice de vazios em um modelo de barragem em escala de laboratório utilizando sísmica passiva e inteligência artificial
Authors:	Jorge, Rafael Mendes
Orientador(es)::	Cavalcante, André Luís Brasil
Assunto::	Barragens Erosão interna (piping) Monitoramento sísmico Inteligência artificial
Issue Date:	12-Nov-2025
Data de defesa::	27-May-2025
Citation:	JORGE, Rafael Mendes. Monitoramento do índice de vazios em um modelo de barragem em escala de laboratório utilizando sísmica passiva e inteligência artificial. 2025. 110 f., il. Dissertação (Mestrado em Geotecnia) — Universidade de Brasília, Brasília, 2025.
Abstract:	Dams play an essential role globally due to their various applications in electricity generation, retention of mining waste and water resources management, such as flood control, water storage for public supply and irrigation. However, their high Associated Potential Damage poses risks to nearby populations, and in Brazil, their connection to key economic sectors like agriculture and mining intensifies the need for continuous monitoring. According to the International Commission on Large Dams, most dams worldwide are earth dams, with internal erosion (piping) being one of the leading causes of failure. In Brazil, records from the Agência Nacional de Águas e Saneamento Básico do not adequately detail the causes of dam failures, making comparisons with global statistics difficult. Early detection of piping is complex with traditional methods, but geophysical techniques, such as seismic monitoring, have been highlighted in the literature as complementary alternatives for qualitatively identifying discontinuities. However, quantitative measurements are essential for decisionmaking in geotechnical engineering. In this context, the present study focused on using seismic monitoring to establish a relationship with an intermediate parameter (void ratio) linked to the occurrence of piping in a laboratory-scale dam model, allowing for a quantitative measure of the model's state over time. Initially, static scenarios defined the seismic signature of the material under different compaction conditions. Subsequently, a dynamic scenario monitored the temporal variation of the intermediate parameter. Artificial Intelligence (AI) models for classification and regression, trained with the static data, were applied to predict the variation of the void ratio in the dynamic scenario. The results showed that the AI models differentiated the static scenarios well. In the dynamic scenario, the prediction of the intermediate parameter's variation didn’t correspond with the physical observations of the model.
metadata.dc.description.unidade:	Faculdade de Tecnologia (FT) Departamento de Engenharia Civil e Ambiental (FT ENC)
Description:	Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Civil e Ambiental, Programa de Pós-Graduação em Geotecnia, 2025.
metadata.dc.description.ppg:	Programa de Pós-Graduação em Geotecnia
Licença::	A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Appears in Collections:	Teses, dissertações e produtos pós-doutorado

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.