Construção de bases de dados para a previsão das propriedades mecânicas dos granitos

Dissertação de mestrado integrado em Engenharia CivilO principal objetivo do presente trabalho é a utilização de técnicas de Data Mining (DM) na previsão das propriedades mecânicas dos granitos. Este objetivo pretende responder às dificuldades encontradas na caraterização mecânica direta dos granitos presentes em edifícios antigos, nomeadamente devido à impossibilidade de extração de provetes para posterior análise laboratorial. Foi executada uma campanha experimental que abrangeu duas técnicas não destrutivas designadamente: (1) medição da velocidade de propagação de ultrassons (V PU) e (2) Martelo de Schmidt (MS). Estas duas técnicas foram aplicadas em diferentes tipos de granito com condições superficiais próximas das dos granitos encontrados em construções de pedra; (1) granito de um edifício de habitação e (2) blocos de diferentes tipos de granito retirados diretamente de pedreiras sem tratamento superficial. Posteriormente, estes blocos foram retificados para obtenção de superfícies lisas de modo que fosse possível comparar os resultados dos ensaios não destrutivos (END) em diferentes tipos de superfície. Desta campanha foi verificada com sucesso a eficácia da técnica de ultrassons na deteção da anisotropia dos granitos, ao contrário do MS, que se revelou ineficaz na mesma tarefa. Adicionalmente, verificou-se a eficácia de ambas as técnicas na avaliação do estado de desgaste dos granitos. Provetes cilíndricos extraídos dos granitos estudados sob a forma de blocos foram submetidos a ensaios laboratoriais com vista à obtenção das propriedades físicas, mecânicas e índices não destrutivos (IND). Entre as diferentes propriedades mencionadas foram analisadas as suas respetivas relações. Três bases de dados foram construídas com base em propriedades físicas e mecânicas obtidas num estudo anterior num conjunto diferenciado de granitos. Estas serviram como plataforma de aplicação de três técnicas de DM para a previsão de três propriedades mecânicas, nomeadamente a resistência à compressão (fc), resistência à tração (ft) e módulo de elasticidade (E). Globalmente, os modelos construídos apresentaram uma boa capacidade de previsão.The main objective of the present work is the use of Data Mining (DM) techniques to predict the mechanical properties of granites. This objective intended to answering to the difficulties found on mechanical properties characterization of granites applied on ancient buildings, namely due the impossibility of extraction of samples for further laboratorial analysis. An experimental campaign was carried out using two non-destructive techniques (NDT), namely: (1) ultrasonic pulse velocity (UPV ) and (2) the Schmidt Hammer (SH). These two non-destructive techniques were applied in different types of granites with surface features close to the one found in granites applied in ancient constructions, namely in (1) granite blocks of an existing building and (2) blocks of distinct types of granites coming directly from different quarries without superficial treatment. Furthermore, the blocks were swan for obtaining plain surfaces in such way that a comparison of non-destructive techniques could be compared in different types of surfaces. In this campaign the good performance of the ultrassonic technique was found on the detection of anisotropy, contrarily to the SH technique, which was not efficient in detecting anisotripy. Additionally, a good performance was achieved in both techniques on the evaluation of the state of weathering and wearing of surfaces. Cylindrical samples extracted from the granite blocks were subjected to a laboratorial campaign which intended to obtain the physical and mechanical properties and also nondestructive indexes (NDI). The relation between the different properties mentioned above was analyzed. Three databases were built based on a previous mechanical characterization study of different types of granites. Using the information present in those databases three different DM techniques were applied aiming the prediction of three mechanical properties, namely the compressive strengh (fc), tensile strength (ft) and the elastic modulus (E). Globally, the models showed a good performance