Análises de dados de curvas de calibrações do papel filtro (sucção) e aplicações de redes neurais artificiais na estimativa da umidade obtida pela técnica TDR em solos não saturados

Página do item simplificado
dc.contributor.advisor-co1Hisatugu, Wilian Hiroshi
dc.contributor.advisor-co1IDhttps://orcid.org/0000-0001-8333-0539
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/6597878238749014
dc.contributor.advisor1Bicalho, Kátia Vanessa
dc.contributor.advisor1IDhttps://orcid.org/0000-0002-2157-7322
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/9639299365620025
dc.contributor.authorSantos, Nelson de Carvalho
dc.contributor.authorIDhttps://orcid.org/0000-0003-1510-6759
dc.contributor.authorLatteshttp://lattes.cnpq.br/6900473115467465
dc.contributor.referee1Silva, Maristela Gomes da
dc.contributor.referee1IDhttps://orcid.org/0000-0002-7104-1972
dc.contributor.referee1Latteshttp://lattes.cnpq.br/4450263733589061
dc.contributor.referee2Ferreira, Silvio Romero de Melo
dc.contributor.referee2IDhttps://orcid.org/0000-0002-5760-1494
dc.contributor.referee2Latteshttp://lattes.cnpq.br/8035357058902261
dc.date.accessioned2026-02-12T17:47:45Z
dc.date.available2026-02-12T17:47:45Z
dc.date.issued2026-02-06
dc.description.abstractSoil water content (θv) and suction are variables that influence the hydraulic and mechanical behavior of unsaturated soils (US). However, direct measurements of these quantities may be costly and operationally limited, motivating the use of indirect methods, such as Time Domain Reflectometry (TDR), for estimating θv, and the filter paper method (FPM), for estimating matric or total suction. In this context, this dissertation aimed to analyze and compare the performance of artificial neural networks (ANNs) and regression equations in the calibration of TDR for estimating soil water content, as well as to evaluate the performance of bilinear and exponential calibration curves of the FPM, based on experimental data available in the literature, in estimating matric suction in different US. For TDR, a database was compiled from the literature aiming at calibration through regression equations and ANNs, considering as input variables the apparent dielectric constant (Ka), dry bulk density (BD), organic matter content (OM), and clay content (% clay). For the FPM, bilinear and exponential calibrations reported in the literature were evaluated, considering initially air-dried filter paper and the wetting contact path. The results indicated, for TDR, superior performance of ANNs compared to regression equations, with higher coefficients of determination (R2) and lower errors, expressed by the root mean square error (RMSE) and mean absolute error (MAE), in addition to better generalization capacity when applied to external datasets. It was observed that the exclusive use of Ka is insufficient to adequately represent the variability of θv, and the best-performing architectures were those combining Ka with BD, OM, and clay content, with emphasis on ANN12-6, which presented the best overall performance and behavior close to the ideal 1:1 condition for different soil types. For the FPM, bilinear calibrations generally remained within normative tolerances; however, they showed greater variability and performance loss under high suction regimes, especially in soils with higher fine fractions. Among exponential calibrations, better overall performance was observed, with estimates predominantly within confidence intervals. Overall, it is concluded that the appropriate selection of calibration approaches and input variables is essential to reduce uncertainties in estimating θv and suction in unsaturated soils, highlighting the superior performance of ANN-based approaches and exponential FPM calibrations.
dc.description.resumoO teor de água no solo (θv) e a sucção são variáveis que influenciam o comportamento hidráulico e mecânico dos solos não saturados (SNS). Entretanto, medições diretas dessas grandezas podem ser onerosas e operacionalmente limitadas, motivando o uso de métodos indiretos, como a Reflectometria no Domínio do Tempo (TDR– Time Domain Reflectometry), para a estimativa da θv, e o método do papel filtro (MPF), para a estimativa da sucção matricial ou total. Nesse contexto, esta dissertação teve como objetivo analisar e comparar o desempenho de redes neurais artificiais (RNAs) e de equações de regressão na calibração do TDR para a estimativa do teor de água no solo, bem como avaliar o desempenho de curvas de calibração bilineares e exponenciais do MPF, com base em dados experimentais disponíveis na literatura, na estimativa da sucção matricial em diferentes SNS. Para o TDR, foi compilado um banco de dados da literatura visando à calibração por meio de equações de regressão e RNAs, considerando como variáveis de entrada a constante dielétrica aparente (Ka), a massa específica seca (BD), o teor de matéria orgânica (MO) e o percentual de argila (% argila). Para o MPF, realizou-se a avaliação de calibrações bilineares e exponenciais reportadas na literatura, considerando o papel filtro inicialmente seco ao ar e a trajetória de umedecimento em contato. Os resultados indicaram, para o TDR, desempenho superior das RNAs em relação às equações de regressão, com maiores valores de coeficiente de determinação (R2) e menores erros, expressos pela raiz do erro quadrático médio (RMSE) e pelo erro médio absoluto (MAE), além de melhor capacidade de generalização em dados externos ao conjunto de treinamento. Observou-se que o uso exclusivo de Ka é insuficiente para representar adequadamente a variabilidade da θv, sendo as melhores arquiteturas aquelas que combinaram Ka com BD, MO e % de argila, com destaque para a RNA12-6, que apresentou o melhor desempenho global e comportamento próximo à condição ideal 1:1 para diferentes tipos de solo. Para o MPF, verificou-se que as calibrações bilineares permanecem, em geral, dentro das tolerâncias normativas, porém apresentam maior variabilidade e perda de desempenho em regimes de alta sucção, sobretudo em solos com maior fração fina. Entre as calibrações exponenciais, observou-se melhor desempenho global, com estimativas majoritariamente dentro dos intervalos de confiança. No conjunto, conclui-se que a seleção adequada das calibrações e das variáveis de entrada é fundamental para reduzir as incertezas na estimativa da θv e da sucção em SNS, destacando-se o melhor desempenho das abordagens baseadas em RNAs e das calibrações exponenciais do MPF.
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
dc.formatText
dc.identifier.urihttp://repositorio.ufes.br/handle/10/20878
dc.languagepor
dc.publisherUniversidade Federal do Espírito Santo
dc.publisher.countryBR
dc.publisher.courseMestrado em Engenharia Civil
dc.publisher.departmentCentro Tecnológico
dc.publisher.initialsUFES
dc.publisher.programPrograma de Pós-Graduação em Engenharia Civil
dc.rightsopen access
dc.subjectUmidade volumétrica
dc.subjectSucção matricial
dc.subjectRedes neurais artificiais
dc.subject.cnpqEngenharia Civil
dc.titleAnálises de dados de curvas de calibrações do papel filtro (sucção) e aplicações de redes neurais artificiais na estimativa da umidade obtida pela técnica TDR em solos não saturados
dc.typemasterThesis
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
NelsondeCarvalhoSantos-2026-Dissertacao.pdf
Tamanho:
7.31 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Coleções
Mestrado em Engenharia Civil