Isham Alzoub
O nivelamento do terreno é uma das etapas mais importantes na preparação do solo para fins agrícolas e outros. . Novas técnicas baseadas em inteligência artificial, como a Rede Neural Artificial, integrando a Rede Neural Artificial e o Algoritmo Competitivo Imperialista (ICA-ANN), ou os Algoritmos Genéticos (GA-ANN), ou a Otimização por Enxame de Partículas (PSO-ANN) têm sido empregues para desenvolver modelos preditivos para estimar os parâmetros relacionados com a energia e os resultados foram comparados com os resultados do SPSS e da Análise de Sensibilidade. Neste estudo, várias propriedades do solo, como o volume de corte/aterro, o fator de compressibilidade, a gravidade específica, o teor de humidade, a inclinação da área, a percentagem de areia e o índice de inchamento, foram medidas e os seus efeitos no consumo de energia foram investigados. Foram recolhidas um total de 90 amostras de 3 áreas de terreno por tamanho de quadrícula de 20m×20m. O objetivo deste trabalho foi desenvolver modelos preditivos baseados em técnicas de inteligência artificial para prever os indicadores ambientais de nivelamento de terrenos. Os resultados da análise de sensibilidade ilustraram que apenas três parâmetros constituídos pela densidade do solo, compressibilidade do solo e volume de corte/aterro do solo tiveram efeitos significativos no consumo de energia. De entre os métodos propostos, o GA-ANN foi o que apresentou maior capacidade de previsão dos parâmetros energéticos ambientais. No entanto, para a predição de LE e FE os algoritmos RNA e ICA-ANN tiveram melhor desempenho. Por outro lado, o software SPSS apresentou um valor de R 2 superior ao software Minitab e à análise de sensibilidade e de facto próximo dos valores da RNA. Palavras-chave: Energia; Algoritmo competitivo imperialista; Análise de sensibilidade; RNA; Nivelamento de terrenos; Indicadores ambientais.
English 
Spanish 
Chinese 
Russian 
German 
French 
Japanese 
Hindi